基于三維重建的光照不變正臉圖像合成.pdf

1、人臉識別是計算機視覺和模式識別領域研究的熱點。對于理想姿態(tài)和光照下的人臉識別，現(xiàn)有方法已經(jīng)達到了很高的識別率，但當姿態(tài)或者光照發(fā)生改變時，不論采用何種識別方法識別率都會下降，同時主觀視覺效果也會變差。本文針對單幅人臉圖像的姿態(tài)和光照問題進行研究，旨在提高人臉識別率和改善人臉圖像的視覺效果。
　　本研究首先對BJUT-3D三維人臉數(shù)據(jù)進行規(guī)范化處理。申請得到的三維人臉數(shù)據(jù)在采樣點數(shù)目、存儲形式上雜亂無章，實現(xiàn)數(shù)據(jù)歸一化是展開進一步研

2、究的前提。其中包括人臉姿態(tài)矯正、區(qū)域選擇及對不同分片的重采樣處理，本文歸一化后的每個人臉包含23676個頂點，采用統(tǒng)一的向量進行表示。其次，針對旋轉(zhuǎn)人臉圖像的姿態(tài)問題，提出一種基于姿態(tài)估計的正面人臉圖像合成方法。該方法基于統(tǒng)計建模的思想，對人臉形狀進行重構并對缺失的紋理信息進行補償。首先運用平均三維模型估計測試圖像的姿態(tài)參數(shù)，并結(jié)合壓縮感知理論構建更加精確的形變模型；然后應用形變模型理論分別重構測試人臉的三維形狀模型和紋理模型；最后根據(jù)

3、測試圖像與重構模型生成正面人臉圖像。實驗結(jié)果表明，該方法能夠從一幅旋轉(zhuǎn)人臉圖像合成出精確、自然的正臉圖像。再次，提出一種基于尺度變換的人臉圖像光照補償算法，采用尺度變換的方法將圖像分解為近似低頻部分和高頻部分。其中人臉圖像的光照變化主要集中在低頻部分，人臉圖像紋理結(jié)構等細節(jié)信息主要集中在高頻部分。對近似低頻部分根據(jù)人臉的對稱性，采用光照良好的半幅人臉恢復整體人臉商圖像，有效的解決了由于自遮擋造成的圖像陰影問題且減少了計算量，同時對高頻部