基于PCNN和PSO算法的人臉圖像分割研究.pdf

1、人臉自動識別系統(tǒng)包括人臉檢涮與分割，人臉特征提取與識別等技術環(huán)節(jié)。而人臉檢測與分割是進行人臉分析和識別的重要組成部分，其目的是從復雜背景圖像中檢測出人臉的位置，并把人臉分割出來。人臉圖像的分割結果直接影響到后續(xù)人臉特征提取和識別的質量。近年來隨著計算機技術和圖像處理方法的不斷發(fā)展，出現(xiàn)了各種不同的人臉檢測與分割方法，但是都不能很好的解決人臉圖像中人臉位置的不確定性和人臉輪廓邊緣點的不連續(xù)性難題，因此人臉分割問題成為研究的熱點。
　

2、　 針對上述的難題，本文提出了一種基于脈沖耦合神經網絡(PCNN)的人臉圖像分割方法。該方法完全依賴于人臉圖像的自然屬性，不用預先選擇處理的空間范圍，利用人臉圖像的灰度特征和空間信息的相關性，得到了人臉圖像的神經元點火序列，該點火序列就是圖像分割的結果。仿真實驗證明，該算法能較好的從復雜背景中檢測出人臉的區(qū)域，彌補了因細小灰度差別而造成的人臉圖像中邊緣間隙的不連續(xù)性的問題，且在背景與目標有重疊時分割效果優(yōu)于閾值分割法，在邊緣分割效果上

3、優(yōu)于四叉樹分割。
　　 針對PCNN模型中關鍵參數(shù)的優(yōu)化問題，本文提出了基于粒子群優(yōu)化(PSO)脈沖耦合神經網絡的人臉圖像分割的方法。本文引入圖像熵作為分割的目標函數(shù)，然后用PSO對PCNN的網絡參數(shù)進行優(yōu)化。利用了PSO解空間隨機搜索能力，尋找PCNN關鍵參數(shù)的最優(yōu)值，從而自動完成關鍵參數(shù)的設置和圖像的分割，且明顯提高了人臉圖像分割的效果和速度。
　　 本文使用MATLAB語言編程實現(xiàn)了人臉圖像的分割，利用了人臉表情數(shù)