论文部分内容阅读
人脸识别作为生物特征识别的一个重要方面,不仅有着重要的理论研究价值,且广泛应用于公共安全、金融等领域。人脸识别技术中的关键问题是如何有效地提取人脸特征。脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)——被喻为第三代神经网络且有着生物学背景的新一代神经网络。PCNN是基于视觉皮层与视觉感知特征有关的神经元同步行为而提出的一种单层的、以迭代为主的自监督、自学习的神经网络,它很好地模拟了生物神经元的疲劳、不应期、捕脉冲激励现象。尤其是PCNN的特征序列(时间序列、熵序列、统计序列)具有图像特征提取的作用,且具有平移不变形、缩放不变形及旋转不变形等特性。因此,本文分析了PCNN算法的神经元模型、工作原理及基本特性,研究了利用PCNN的特征序列(时间序列、熵序列、对数序列、标准差序列和均值残差序列)在人脸识别中提取人脸特征的方法,从而完成人脸识别。本研究将基于PCNN的五种特征序列用于人脸特征提取与识别中,具体过程是利用PCNN的五种特征序列提取出每幅人脸图像的特征序列,再将每类人脸的特征序列求平均得到代表每类人脸图像的平均特征序列,并通过计算各类人脸图像的平均特征序列与待测人脸的特征序列之间的欧式距离来进行人脸的相似性度量,从而完成人脸识别。实验结果表明,基于PCNN的5种特征序列在一定程度上反映了人脸图像的有效特征信息并很好地刻画了人脸图像,通过与欧氏距离结合得出了基于PCNN时间序列的人脸图像特征提取方法的效果最好,识别率最高。研究还将基于PCNN的时间序列应用于HSI彩色人脸图像的特征提取与识别中,具体过程是将彩色人脸图像从RGB色彩空间转换到HSI色彩空间,然后用PCNN提取图像中各个彩色分量的时间序列获得人脸的整体时间序列从而得到人脸图像的特征,并将该方法用于人脸识别中,实验表明,本文所述方法简单,且算法具备独特的生物视觉特性,符合人眼视觉系统对物体的感知与判断机理,对人脸图像的平移、缩放及旋转具有较好的鲁棒性,且识别方法简单,识别效果好。