圖像質(zhì)量與人臉識(shí)別關(guān)系量化模型的研究與實(shí)現(xiàn).pdf

1、隨著現(xiàn)代信息技術(shù)的快速發(fā)展，社會(huì)各界對(duì)信息傳輸安全性的需求越來(lái)越強(qiáng)烈。包括人們?nèi)粘Ｊ褂玫脑诰€購(gòu)物、網(wǎng)絡(luò)金融在內(nèi)的許多應(yīng)用場(chǎng)景的實(shí)現(xiàn)，都需要有安全高效的身份認(rèn)證技術(shù)的支持。而在眾多的身份識(shí)別方法中，人臉識(shí)別憑借著自身的便利性，越來(lái)越受到人們的關(guān)注，成為研究人員的研究熱點(diǎn)。與此同時(shí)，網(wǎng)絡(luò)速度的高速增長(zhǎng)，使得人們能夠在網(wǎng)絡(luò)上更快的傳輸圖片，視頻等信息。因而，對(duì)傳輸?shù)膱D像質(zhì)量的自動(dòng)評(píng)價(jià)也隨著網(wǎng)絡(luò)圖像傳輸?shù)钠占岸兊迷桨l(fā)重要起來(lái)。
　　由于

2、輸入圖像的質(zhì)量會(huì)對(duì)人臉識(shí)別的正確率造成很大程度的影響，可以猜想圖像質(zhì)量與人臉識(shí)別率之間存在一定的關(guān)系。本文以此為研究對(duì)象，提出了圖像質(zhì)量等級(jí)與人臉識(shí)別率的關(guān)系模型，通過(guò)圖像質(zhì)量的等級(jí)直接得到人臉識(shí)別的正確率水平。本文首先探討了人臉識(shí)別領(lǐng)域中經(jīng)典的Viola-Jones人臉檢測(cè)算法，稀疏編碼分類模型，以及圖像質(zhì)量評(píng)價(jià)領(lǐng)域中的QAC算法的理論基礎(chǔ)，并通過(guò)實(shí)驗(yàn)的方式驗(yàn)證了這些算法的有效性；接著研究了影響圖像質(zhì)量的噪聲種類，通過(guò)單獨(dú)研究高斯噪聲

3、和高斯模糊強(qiáng)度對(duì)QAC圖像質(zhì)量評(píng)價(jià)算法的性能影響，得出了QAC算法能夠較好的擬合人眼主觀視覺感受的結(jié)論；然后利用QAC評(píng)分作為衡量圖像質(zhì)量水平的尺度，研究了高斯噪聲和高斯模糊下圖像質(zhì)量水平與人臉識(shí)別率兩者的對(duì)應(yīng)關(guān)系，并得到關(guān)系模型中QAC評(píng)分與人臉識(shí)別率之間的關(guān)系；最后，為了將QAC評(píng)分區(qū)間準(zhǔn)確劃分為幾個(gè)圖像質(zhì)量等級(jí)，本文引入了模糊集合論的概念，提出了“模糊區(qū)間”。它使用隸屬函數(shù)描述區(qū)間的邊界，更準(zhǔn)確地反映了人們主觀感知上的圖像質(zhì)量，從