基于脉冲耦合神经网络的人脸检测研究

论文摘要

脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）是根据对动物的大脑视觉皮层同步脉冲发放所获得的实验结果。PCNN网络模型所具有的链接域特性和动态阈值衰减特性能够使状态相似的神经元同步输出脉冲,这一点充分模拟了哺乳动物视觉皮层神经元的生物特性,因而在图像分割、边缘提取、目标识别等图像处理方面获得了广泛的应用。本文对标准PCNN模型做了一定程度的改进,在保持PCNN链接域特性和动态阈值衰减特性的基础上减少了神经元模型的一些参数,提出更适用于图像处理的改进PCNN（Modified PCNN-MPCNN）模型并深入研究了它的基本原理及其特性。在MPCNN基础上,本文引入了图像熵,提出了基于MPCNN和最大熵的分割算法,将其应用到ORL人脸库,检测结果表明了算法的有效性。由于ORL人脸库中的图像目标与背景在亮度上有明显的差异,而对于彩色图像,除了亮度信息还有色度信息,并且背景也都不统一,目标与背景不易分离,基于最大熵的检测效果不是很好,所以本文又提出了基于MPCNN和肤色相结合的算法来对彩色图像进行人脸检测,然后基于此算法对彩色lena图、截取的Purdue-AR彩色视频流动态图像中的不同表情、不同光照的彩色图像以及来自Internet的彩色图像进行分割,并对分割图像做了简单的后续处理。另外,还将此算法与基于模板匹配的算法作了简单的比较,实验结果表明该方法有很好的实用性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 脉冲耦合神经网络的发展与研究现状
• 1.2 人脸检测技术
• 1.2.1 人脸检测的研究背景与意义
• 1.2.2 人脸检测的主要性能指标
• 1.2.3 人脸检测方法综述
• 1.3 论文的主要工作和内容安排
• 第2章 改进脉冲耦合神经网络模型
• 2.1 MPCNN模型
• 2.1.1 标准PCNN模型
• 2.1.2 MPCNN模型
• 2.1.3 MPCNN的工作原理
• 2.1.4 MPCNN的基本特征
• 2.2 基于MPCNN的灰度图像的分割
• 2.2.1 基于MPCNN的图像自动分割原理
• 2.2.2 基于MPCNN的灰度图像的分割算法
• 2.3 实验结果及分析
• 2.4 本章小结
• 第3章 基于MPCNN的灰度人脸检测
• 3.1 基于MPCNN和最大熵的人脸检测算法
• 3.2 基于最大熵的MPCNN模型参数选取的研究
• 3.2.1 最小均方误差准则
• 3.2.2 链接强度β的选择
• ij的初值的选择'>3.2.3 阈值θ_ij的初值的选择
• 3.3 实验结果及分析
• 3.4 本章小结
• 第4章 基于MPCNN与肤色相结合的人脸检测
• 4.1 基于肤色的人脸检测算法
• 4.1.1 基于肤色的人脸检测算法分类
• 4.1.2 肤色分割算法
• 4.2 基于MPCNN与肤色相结合的人脸检测
• 4.2.1 基于MPCNN和肤色相结合的人脸检测算法
• 4.2.2 人脸定位
• 4.3 实验结果及分析
• 4.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢