基于低对比度图像和小波网络优化的人脸识别研究

摘要

人脸识别是模式识别研究领域的重要课题。在过去几十年，人脸识别的研究更多地停留在理论意义之上，自20世纪80年代末90年代初以来，随着信息安全的重要性日益突出，人脸识别技术在应用方面的研究逐渐成为热门课题。 一个完整的人脸自动识别系统分为三个主要的环节：从图像中检测、分割人脸；提取人脸特征；人脸识别。目前，摄像头的使用越来越普遍，但摄像头受各种条件限制所采集的图像存在光照不足、对比度较低的情况，要对这些图像进行识别，首先要解决的是人脸的检测和精确定位。 本文对低光照、低对比度的人脸图像进行检测及识别技术进行了研究，主要工作有： (1)对人脸识别的研究工作进行了综述，把当前研究比较少的低光照、低对比度的人脸图像的检测及识别作为本文的研究方向。 (2)采用适当增加图像的亮度和对比度的方法，突出其边缘，以便于检测。将检测到的图像中的边缘，利用Hough变换对图像中椭圆的检测来实现人脸的定位。试验表明，该方法能准确地定位人脸，去除与人脸无关的信息。 (3)设计了一种基于遗传算法的分割人脸的方法，进一步确定人脸的范围，去除图像中的噪声，精确定位人脸面部器官。该方法定位人脸面部器官时对人脸的表情、姿态不敏感，具有较好的鲁棒性。 (4)提取人脸的面部器官特征，应用基于小波神经网络的人脸识别模型进行人脸识别，并采用遗传算法对小波神经网络进行了优化，加速了网络的收敛速度。

目录

文摘

英文文摘

声明

第一章概述

1.1人脸识别技术简介

1.1.1人脸识别的研究内容

1.1.2人脸识别的应用范围

1.1.3人脸识别的技术难题

1.2人脸识别技术的研究现状

1.3本文的内容与安排

第二章人脸图像的预处理

2.1人脸图像的归一化处理

2.1.1几何归一化

2.1.2灰度归一化

2.2光线补偿

2.3人脸图像的增强

2.4边缘检测

2.4.1几种常见的边缘算子

2.4.2部分试验结果

2.5基于HOUGH变换人脸的定位

2.5.1 Hough变换

2.5.2以圆为模板用Hough变换进行粗定位

2.5.3以椭圆为模板用Hough变换进行精确定位

2.5.4部分试验结果

2.6人眼的定位

2.6.1人眼垂直位置的标定

2.6.2人眼水平位置的标定

2.6.3人眼的精确定位

2.6.4部分试验结果

第三章基于遗传算法的人脸分割

3.1遗传算法的基本内容

3.1.1编码机制

3.1.2控制参数

3.1.3适应度函数

3.1.4遗传算子

3.2基于遗传算法的人脸分割的改进算法

3.2.1基于遗传算法的最佳熵阈值求解

3.2.2一种改进的彩色图像分割方法

3.2.3部分试验结果

3.3人脸面部器官的定位

3.3.1特征候选区域的噪声去除

3.3.2特征候选区域的定位

3.3.3部分试验结果

第四章基于小波网络的人脸识别系统

4.1特征的选取

4.2小波网络研究简论

4.2.1小波网络的分类

4.2.2小波网络的构造方法

4.2.3本文构造的小波网络

4.3小波网络的优化

4.4人脸识别系统

第五章结束语

参考文献

致谢

读研期间发表的论文