圖像質量與人臉識別關系量化模型的研究與實現.pdf

1、隨著現代信息技術的快速發(fā)展，社會各界對信息傳輸安全性的需求越來越強烈。包括人們日常使用的在線購物、網絡金融在內的許多應用場景的實現，都需要有安全高效的身份認證技術的支持。而在眾多的身份識別方法中，人臉識別憑借著自身的便利性，越來越受到人們的關注，成為研究人員的研究熱點。與此同時，網絡速度的高速增長，使得人們能夠在網絡上更快的傳輸圖片，視頻等信息。因而，對傳輸的圖像質量的自動評價也隨著網絡圖像傳輸的普及而變得越發(fā)重要起來。
　　由于

2、輸入圖像的質量會對人臉識別的正確率造成很大程度的影響，可以猜想圖像質量與人臉識別率之間存在一定的關系。本文以此為研究對象，提出了圖像質量等級與人臉識別率的關系模型，通過圖像質量的等級直接得到人臉識別的正確率水平。本文首先探討了人臉識別領域中經典的Viola-Jones人臉檢測算法，稀疏編碼分類模型，以及圖像質量評價領域中的QAC算法的理論基礎，并通過實驗的方式驗證了這些算法的有效性；接著研究了影響圖像質量的噪聲種類，通過單獨研究高斯噪聲

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