基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的人臉檢測研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network，PCNN)是根據(jù)對動物的大腦視覺皮層同步脈沖發(fā)放所獲得的實驗結(jié)果。PCNN網(wǎng)絡(luò)模型所具有的鏈接域特性和動態(tài)閾值衰減特性能夠使?fàn)顟B(tài)相似的神經(jīng)元同步輸出脈沖，這一點充分模擬了哺乳動物視覺皮層神經(jīng)元的生物特性，因而在圖像分割、邊緣提取、目標(biāo)識別等圖像處理方面獲得了廣泛的應(yīng)用。 本文對標(biāo)準PCNN模型做了一定程度的改進，在保持PCNN鏈接域特性和動態(tài)閾值衰減特

2、性的基礎(chǔ)上減少了神經(jīng)元模型的一些參數(shù)，提出更適用于圖像處理的改進PCNN(Modified PCNN—MPCNN)模型并深入研究了它的基本原理及其特性。在MPCNN基礎(chǔ)上，本文引入了圖像熵，提出了基于MPCNN和最大熵的分割算法，將其應(yīng)用到ORL人臉庫，檢測結(jié)果表明了算法的有效性。 由于ORL人臉庫中的圖像目標(biāo)與背景在亮度上有明顯的差異，而對于彩色圖像，除了亮度信息還有色度信息，并且背景也都不統(tǒng)一，目標(biāo)與背景不易分離，基于最大熵