仿生人脸识别的图像去光照与检索系统模型研究的中期报告.docxVIP

仿生人脸识别的图像去光照与检索系统模型研究的中期报告 本研究的重点是建立一种仿生人脸识别的图像去光照与检索系统模型。本中期报告主要介绍了研究的背景、研究方法和实验结果。 背景 在现实生活中，人脸图像往往受到环境光照的影响难以辨认，这对于人脸识别技术的应用提出了较高的要求。仿生学是生命科学和工程学的交叉领域，通过模仿生物系统的运行方式和结构，开发新的人工系统来解决一些实际问题。基于这一思想，本研究提出了一种仿生人脸识别的图像去光照与检索系统模型。 研究方法 仿生学思想的应用本研究中采用了两种方法：利用非线性映射和卷积神经网络。 非线性映射方法中，我们利用SSIM结构相似性测量函数对光照变换之后的图片进行去噪和增强，得到较为清晰的图像。该函数能够度量两个结构相似的图像之间的精度，这意味着即使光照发生变化，图像的精度也可以得到保证。同时采用自适应过滤器进行图像处理，同时保留细节。 卷积神经网络方法中，我们采用了一个基于CNN的图像去光照与识别模型。首先，利用基于分解卷积的方法对图像进行去光照处理。并利用一个训练好的神经网络模型来进行人脸识别。我们在LFW数据集上进行了实验，同时将模型的性能与其他已有的模型进行比较。 实验结果 实验结果表明，使用卷积神经网络的人脸识别模型在去光照性能和人脸识别任务中都取得了很好的效果。与其他方法相比，我们的模型具有更高的准确率和更快的处理速度。同时，我们还