论文部分内容阅读
人脸图像识别是当前人工智能和计算机视觉研究的热点之一,由于人脸信息可以通过摄像头这类非接触的方式获得,因此非常适合作为身份识别的依据。在当今科学技术快速发展的社会,人们急需要一种全新的、安全和可靠的安保系统:这种全新的安保系统必须能够确保人们的生命和财产的安全,而且这种系统又能够不影响人们的正常生活。因为人脸图像识别技术能够很好的满足人们的这些要求,所以该技术得到了广泛使用。本文研究了小波神经网络的基本算法,并将其运用到人脸图像识别中。该算法的主要思想是将小波变换的理论和神经网络的算法结合起来,从而得到了小波神经网络的算法。在进行人脸图像识别的过程中,我们发现小波神经网络的自适应性、有效性、收敛性及正确性在仿真实验中得到了验证。本文还对不同小波基的小波神经网络在人脸图像识别中的应用进行了研究和比较。本文还对三种类型的神经网络在人脸图像识别中的应用进行了讨论;在三种神经网络的仿真实验中,发现概率神经网络在人脸图像识别中有较好的识别率,并且该类型的神经网络具有相当好的实时性,可以将其运用到信号的实时处理中。在对本文中的算法进行验证时,所采用的人脸库是ORL人脸数据库。本文主要内容如下:(1)介绍了人脸图像识别技术的应用前景和研究现状,系统地论述了实验中使用到的数字图像处理的相关知识、原理、性质及技术特性;还重点介绍和分析了小波处理的典型算法及离散余弦变换的算法。(2)研究了BP神经网络、LVQ神经网络和概率神经网络的算法及其在人脸图像识别中的应用。仿真实验结果表明PNN神经网络的识别率、稳定性和实时性均要优于其他两种类型的神经网络。(3)详细分析了小波神经网络的算法,通过选择不同的小波基函数来构造小波神经网络。并将构造的小波神经网络运用到人脸图像识别中。(4)最后,本文对小波神经网络的算法进行了MATLAB仿真实验。实验结果表明,小波神经网络不仅具有良好的识别率,而且具有很好的收敛性和稳定性。在某种程度上满足了人们对人脸图像识别技术的基本要求,因此具有一定的研究价值、实用价值和商业价值。