脈沖耦合神經網絡在人臉圖像識別中的應用研究.pdf

1、隨著計算機多媒體技術的發(fā)展，人臉圖像識別越來越受到人們的青睞。脈沖耦合神經網絡(Pulse Coupled Neural Network，PCNN)接近于真實的生物神經網絡，具有自監(jiān)督、自學習的特性，近幾年，國內外研究學者在PCNN的原始模型基礎上進行了多種改進，并將其應用于眾多的圖像處理領域，例如圖像邊緣檢測、圖像分割、圖像增強以及特征提取等方面。PCNN在圖像處理領域表現出了優(yōu)異的生物學特性，將其應用在人臉識別領域，有獨特的優(yōu)勢，因

2、此，針對PCNN在人臉圖像識別中的應用問題進行研究，具有理論意義和應用價值。
　　人臉圖像的采集過程中很容易受到外部條件如光照環(huán)境、拍攝者姿勢或面部表情等因素的影響，這些因素對人臉識別結果都會產生嚴重的影響。如何對人臉圖像特征進行有效的提取是人臉識別過程中的關鍵步驟，為此本文在簡化的PCNN模型基礎上提出了脈沖發(fā)放強度PCNN(QD-PCNN)的人臉特征提取方法，并利用網格搜索算法對QD-PCNN中的參數進行尋優(yōu)，最后結合距離度量

3、函數實現了人臉識別。主要研究內容如下:
　　1.分析了傳統(tǒng)脈沖耦合神經網絡模型存在的問題，并在簡化的PCNN模型基礎上提出了QD-PCNN特征提取方法。利用QD-PCNN對歸一化處理后的人臉圖像進行特征提取和分析，表明了該模型提取的特征既可以有效的表征同一身份的人臉特征，又可以有效的區(qū)分不同身份對應的人臉圖像。利用不同的距離度量函數計算待識別人臉圖像的特征序列與訓練集中代表每類身份的平均特征序列之間的距離相似度進行人臉圖像所屬身份

4、的判定，然后在MATLAB平臺下進行實驗仿真驗證算法的有效性。
　　2.分析了強度PCNN模型的脈沖發(fā)放原理，對其權值矩陣W、連接系數β、閾值衰減系數αθ和閾值放大系數Vθ四個參數分別進行了探討，利用改進網格搜索參數法對β和αθ組合進行尋優(yōu)，證明了改進網格尋優(yōu)法找到的最優(yōu)參數取值組合對應的最優(yōu)識別準確率要高于經驗設置參數值對應的識別準確率。
　　3.設計實現了PCNN人臉圖像識別應用平臺，平臺包括人臉圖像數據采集模塊、PCA