提升低质量模糊图像人脸识别技术

"这篇硕士学位论文主要探讨了低质量图像模糊人脸识别技术，作者为刘学平，导师为李一波，属于计算机应用技术专业。研究重点在于提高人脸识别系统在处理模糊、低质量人脸图像时的识别能力，针对这一挑战，论文提出了基于几何特征和形状特征的两种模糊人脸识别技术，并对现有方法进行了改进。” 在人脸识别技术领域，尽管已取得显著进展，但在实际应用如智能监控和公安系统中，由于图像质量参差不齐，如模糊、噪声大、分辨率低等问题，使得识别任务变得复杂。因此，对低质量图像的处理成为了人脸识别技术的重要研究方向。论文首先对低质量图像模糊人脸识别的重要性、现状和挑战进行了概述。 论文的主要贡献包括两部分： 1. 基于几何特征的模糊人脸识别技术：利用小波变换对图像进行预处理，增强几何特征的提取精度。通过几何特征归一化，比较了不同几何特征选择方法，确定了最优策略，从而提高了识别效果。实验结果显示，这种方法能有效应对低质量图像，提升了模糊人脸的可识别性。 2. 基于形状特征的模糊人脸识别技术：采用了Active Shape Model (ASM) 方法，并对其进行了改进。针对ASM方法的局限，如依赖初始位置、特征点信息有限等问题，论文提出利用瞳孔定位进行初始化，并扩展了特征点周围的像素信息，结合边缘信息优化局部匹配。在实验中，改进的ASM方法在模糊人脸识别的准确性上表现出显著提升。 通过上述改进，论文提出的两种方法均能在一定程度上解决低质量图像对人脸识别的负面影响，为实际应用提供了有价值的解决方案。实验分析是在Vc++和Matlab平台上进行的，结果支持了这些改进的有效性。这为未来低质量图像人脸识别技术的进一步研究和发展奠定了基础。