基于模糊聚类的人脸图像分类

分类号密级编号本科生毕业论文（设计）题目基于模糊聚类的人脸图像分类作者姓名王丁宏指导教师王三福提交日期1原创性声明本人郑重声明：本人所呈交的论文是在指导教师的指导下独立进行研究所取得的成果。学位论文中凡是引用他人已经发表或未经发表的成果、数据、观点等均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。本声明的法律责任由本人承担。论文作者签名：年月日论文指导教师签名：2基于模糊聚类的人脸图像分类作者：王丁宏指导老师：王三福作者个人信息：天水师范学院数学与统计学院，甘肃，天水，741000摘要：本文通过运用模糊聚类的方法，对人脸图像进行了分类。在应用模糊聚类方法时，根据图像的相似度和图像的质量这两个参量自定义了模糊相似关系，通过模糊相似关系求出模糊相似矩阵，再运用传递闭包的方法计算出模糊相似关系的模糊等价关系，然后通过模糊等价关系对人脸图像进行动态分类，画出动态聚类图，最后根据动态聚类图对人脸图像进行分类。关键词：数字图像；数字图像处理；模糊聚类；相似关系；传递闭包；人脸图像；分类；BasedonfuzzyclusteringoffaceimageclassificationTutor:WangDinghongGuidingteacher:WangSanfuMathematicsandstatisticsinstitute,TianshuiNormalUniversity,Tianshui741000Abstract:Thisarticleusedfuzzyclusteringmethod,theclassificationoffacialimage.Intheapplicationoffuzzyclusteringmethod,accordingtotheimagesimilarityandimagequalityinthesetwoparametersoffuzzysimilarrelationsdefined,throughoutthefuzzysimilarrelationoffuzzysimilarmatrix,thenthetransferclosureoffuzzysimilarrelationmethodisusedtocalculatethefuzzyequivalencerelation,andthenthroughthefuzzyequivalencerelationdynamicclassificationoffacialimage,drawthedynamicclusteringfigure.Finally,accordingtothedynamicclusteringfigureoffacialimageclassification.Keywords:DigitalimageDigitalimageprocessingFuzzyclusteringThesimilarityrelationRelayclosureFacialimageClassification3基于模糊聚类的人脸图像分类作者：王丁宏指导老师：王三福作者个人信息：天水师范学院数学与统计学院，甘肃，天水，7410001.引言人脸是人类最重要的生物特征之一，反映了很多重要的信息，在许多场合都需要进行可靠的人脸特征分类。比如在一些实用的实时监控系统中，人脸分类技术有助于从监控录像中找出符合某种指定特征的那些人，这在机场、海关、火车站、银行、饭店等出入系统中有很大的需求。另外，在公安刑侦破案系统中，人脸分类技术可以帮助目击者查询目标人像数据库中是否存在嫌疑人员。此外，人脸分类技术在人机交互系统中也有重要作用，如依据属性进行人脸搜索，以及个人相册的管理等。传统的人脸识别的方法可以分为两类。一类是基于人脸几何特征的识别方法;另一类是利用模板匹配的识别方法。本文中所提出的方法是基于模糊聚类对人脸进行分类的。2.数字图像及数字图像处理2.1.数字图像2.1.1基本介绍数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。通常，像素在计算机中保存为二维整数数阻的光栅图像，这些值经常用压缩格式进行传输和储存。数字图像可以许多不同的输入设备和技术生成，例如数码相机、扫描仪、坐标测量机、seismographicprofiling、airborneradar等等，也可以从任意的非图像数据合成得到，例如数学函数或者三维几何模型，三维几何模型是计算机图形学的一个主要分支。数字图像处理领域就是研究它们的变换算法。2.1.2图像种类每个图像的像素通常对应于二维空间中一个特定的'位置'，并且有一个或者多个与那个点相关的采样值组成数值。根据这些采样数目及特性的不同数字图像可以划分4为：(1)、二值图像(BinaryImage):图像中每个像素的亮度值(Intensity)仅可以取自0到1的图像。(2)、灰度图像(GrayScaleImage)，也称为灰阶图像:图像中每个像素可以由0(黑)到255(白)的亮度值表示。0-255之间表示不同的灰度级。(3)、彩色图像(ColorImage)：每幅彩色图像是由三幅不同颜色的灰度图像组合而成，一个为红色，一个为绿色，另一个为蓝色。(4)、伪彩色图像（false-color）：伪彩色图像的含义是，每个像素的颜色不是由每个基色分量的数值直接决定，而是把像素值当作彩色查找表(colorlook-uptable，CLUT)的表项入口地址，去查找一个显示图像时使用的R，G，B强度值，用查找出的R，G，B强度值产生的彩色称为伪彩色。而彩色查找表CLUT是一个事先做好的表，表项入口地址也称为索引号。例如16种颜色的查找表，0号索引对应黑色，...，15号索引对应白色。彩色图像本身的像素数值和彩色查找表的索引号有一个变换关系，这个关系可以使用Windows95/98定义的变换关系，也可以使用你自己定义的变换关系。使用查找得到的数值显示的彩色是真的，但不是图像本身真正的颜色，它没有完全反映原图的彩色。(5)、立体图像(StereoImage)：立体图像是一物体由不同角度拍摄的一对图像，通常情况下我们可以用立体像计算出图像的深度信息。(6)、三维图像(3DImage):三维图像是由一组堆栈的二位图像组成。每一幅图像表示该物体的一个横截面。数字图像也用于表示在一个三维空间分布点的数据，例如计算机断层扫描（:en:tomographic，CT）设备生成的图像，在这种情况下，每个数据都称作一个体素。2.1.3图像显示目前比较流行的图像格式包括光栅图像格式BMP、GIF、JPEG、PNG等，以及矢量图像格式WMF、SVG等。大多数浏览器都支持GIF、JPG以及PNG图像的直接显示。SVG格式作为W3C的标准格式在网络上的应用越来越广。一些图片察看工具提供幻灯片显示工具，能够自动地一张一张察看图片。2.2数字图像处理2.2.1基本介绍数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。2.2.2主要目的一般来讲,对图像进行处理(或加工、分析)的主要目的有三个方面:(1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。(2)提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是模式识别或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。(3)图像数据的变换、编码和压缩,以便于图像的存储和传输。不管是何种目的的图像处5理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。2.2.3主要内容数字图像处理主要研究的内容有以下几个方面：1)图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。2)图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。3)图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立降质模型，再采用某种滤波方法，恢复或重建原来的图像。4)图像分割图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。5)图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。6)图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。2.2.4常用方法1）图像变换：由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。2）图像编码压缩：图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。3）图像增强和复原：图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影6响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。4）图像分割：图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方