2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩125頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、人臉圖像處理和識別技術在公共安全與多媒體藝術等方面有著廣闊的應用前景。盡管經(jīng)過40多年研究的人臉識別技術已經(jīng)有一些成功應用的典型案例,但是光照變化問題一直是制約該類技術普及實用最關鍵的因素之一。當前世界上最權威的人臉識別測試(Face Recognition Vendor Test,FRVT2006)揭示,在可控光照環(huán)境下用高分辨率人臉圖像進行人臉驗證,在錯誤接受率為0.1%時現(xiàn)有算法達到錯誤拒絕率僅為1%,已經(jīng)達到某些場合的實用要求。

2、目前已有部分人臉識別系統(tǒng)被成功應用于海關通關、與會人員身份確認和產(chǎn)品用戶身份驗證等。但是在不同光照條件下,同個人臉獲取的圖像可能存在巨大的差異,這會嚴重影響到人臉特征提取操作,同時對人臉圖像處理也帶來較大的挑戰(zhàn)。FRVT2006結(jié)果表明,在非可控光照條件下,盡管采用高分辨率人臉圖像,表現(xiàn)最佳的人臉識別系統(tǒng)在錯誤接受率為0.1%的時候錯誤拒絕率仍然大于10%。因此,現(xiàn)有的人臉識別產(chǎn)品遠不能滿足光照不可控環(huán)境下的應用要求。
   隨

3、著人臉識別技術的發(fā)展,人臉圖像光照處理研究也已經(jīng)進行了幾十年。本文對過去的相關工作進行了系統(tǒng)總結(jié)。從處理方法來看,現(xiàn)有方法可以分為以下兩大類:1)提取光照不變特征用于人臉識別;2)恢復標準(正面)光照人臉圖像。本文在這兩方面均做了較深入的研究,取得了一些富有意義的研究
   結(jié)果:
   1)提出基于非下采樣輪廓變換(NonSubsampled Contourlet Transform,NSCT)的人臉光照不變特征提取算

4、法,即Logarithmic NSCT(LNSCT)。
   在提取光照不變的人臉特征方面,目前最主流的方法是通過應用高通濾波來估計人臉的反射成分作為光照不變特征進行人臉識別。但是現(xiàn)有方法采用的濾波器往往無法同時達到多尺度和多方向濾波,或者無法在特定的尺度空間靈活選擇濾波方向,從而難以最有效地提取人臉內(nèi)在特征。本文提出的LNSCT則具有靈活的多尺度和多方向分析能力,可以有效地估計人臉反射成分,同時能抑制噪聲。
   在恢

5、復正面光照人臉圖像方面,本文主要做了以下2)-5)四個貢獻:
   2)提出基于非理想類和非點光源商圖像的人臉重加光算法。
   經(jīng)典的商圖像理論基于“理想類”假設,即假設所有人臉具有相同的表面法線向量(3D形狀)。而事實上,“理想類”假設即使對嚴格對齊過的人臉都無法滿足。為加強商圖像算法的安全性,本文提出基于非理想類非點光源商圖像的人臉重加光算法。與經(jīng)典的商圖像算法不同,本文的算法不采用固定的參考人臉,而是針對每個待處

6、理人臉重構一張參考入臉,使得兩者具有相似的光照成分,從而代替“理想類”假設。改進的商圖像算法突破了經(jīng)典商圖像理論中的“理想類”和“點光源”限制,同時能夠較好地解決陰影存在的問題。
   3)提出基于二次多項式模型的正面光照人臉圖像生成算法。
   本文提出用二次多項式模型來描述非正面光照條件下的人臉圖像與正面光照條件下的人臉圖像在對應像素點灰度值之間的關系,進而提出一種基于單張非正面光照人臉圖像生成正面光照人臉圖像的方法

7、。該方法的一個重要特點是獨立于任何先驗物理模型而通過建立統(tǒng)計回歸模型來學習不同光照條件圖像之間的關系,易于實現(xiàn)。此外,提出用基于主成分分析的方法對光照歸一化后的人臉圖像進行加權補償,進一步改善圖像的可視化效果。
   4)提出基于小尺度與大尺度特征(Small-and Large-scale features,S&L)的人臉光照處理新框架。
   結(jié)合現(xiàn)有技術,本文提出基于小尺度與大尺度特征的人臉圖像光照處理新框架(簡稱

8、其為S&L框架)。對每張人臉圖像,先將之分解成大尺度與小尺度特征。對小尺度特征,保持其不變或者進行一些小校正。對大尺度特征,進行主要的光照歸一化操作。然后,用處理過的大小尺度特征合并成光照歸一化后的人臉圖像。如果有必要,對處理后的圖像進行進一步的視覺補償。新框架確保人臉圖像的大尺度特征得以充分利用,同時避免光照不變的小尺度特征受扭曲。新框架既可以用于恢復正面光照人臉圖像,也可以用于人臉識別的光照預處理。其中,前面提及的LNSCT算法可以

9、用于新框架中的圖像分解,而基于二次多項式模型的正面光照人臉圖像生成算法和基于非理想類和非點光源商圖像的人臉重加光算法可以用于新框架中對大尺度特征進行光照歸一化處理。
   5)發(fā)展了基于“核主成分分析+原像學習”(KPCA+Pre-image)技術的正面光照人臉圖像生成方法。
   KPCA+Pre-image是一種全局子空間學習方法,用于人臉圖像處理能避免圖像局部損壞。但是直接用KPCA+Pre-image算法對人臉圖

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論