

版權(quán)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(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、在實際生活中,人臉識別已經(jīng)得到了越來越多的應(yīng)用,人臉識別一個很重要的方向是人臉畫像-照片識別。由于人臉畫像和照片結(jié)構(gòu)、紋理和表達(dá)方式的差異,人臉畫像-照片識別很大程度上依賴于人臉畫像-照片的幻象技術(shù)。本文中提到的人臉畫像-照片幻象技術(shù)包括人臉畫像-照片合成技術(shù)和人臉畫像-照片增強(qiáng)技術(shù),這兩種技術(shù)都可以提高合成的偽畫像/偽照片的質(zhì)量,從而在畫像-照片識別中提高識別率。因此,人臉畫像-照片幻象技術(shù)的研究具有重要意義。
本文首先
2、提出了基于支撐向量回歸的人臉畫像-照片合成算法。對已經(jīng)配準(zhǔn)過的圖像,該算法采用監(jiān)督和非監(jiān)督相結(jié)合的方法進(jìn)行畫像-照片合成,兼顧了合成圖像的質(zhì)量和算法的復(fù)雜度。實驗結(jié)果表明,該算法在畫像-照片識別和主觀質(zhì)量上都取得了較好的結(jié)果。其次,針對傳統(tǒng)的人臉畫像-照片合成算法存在的模糊效應(yīng)和塊效應(yīng),本文提出了基于支撐向量回歸的人臉畫像-照片增強(qiáng)算法。該算法采用初始估計和高頻細(xì)節(jié)相疊加的方法,能夠在增強(qiáng)圖像有效細(xì)節(jié)信息的同時使圖像更加清晰。實驗證明,
3、該算法在畫像-照片識別和主觀質(zhì)量上都有很好的結(jié)果。最后,針對大量圖像的質(zhì)量評價,本文提出了人臉偽畫像/偽照片客觀質(zhì)量評價方法。人臉偽畫像/偽照片的客觀質(zhì)量評價從全參考質(zhì)量評價和無參考質(zhì)量評價兩個方面進(jìn)行。全參考質(zhì)量評價采用已有的信息保真度準(zhǔn)則(VIF),無參考質(zhì)量評價除了評價圖像的整體質(zhì)量,還要評價眼睛鼻子等細(xì)節(jié)部分,因此無參考質(zhì)量評價方法采用整體特征和細(xì)節(jié)特征相融合的方法。實驗首先說明了無參考質(zhì)量評價方法的有效性,然后驗證了基于支撐向
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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。
最新文檔
- 基于支持向量回歸的802.11室內(nèi)定位技術(shù)研究
- 支撐向量回歸中的樣本簡化及加權(quán)回歸方法.pdf
- 基于支持向量回歸的水質(zhì)預(yù)測研究.pdf
- 支持向量回歸方法研究.pdf
- 基于懲罰樣條的支持向量回歸.pdf
- 基于支持向量回歸機(jī)的股價預(yù)測研究.pdf
- 基于支持向量回歸模型的圖像分類研究.pdf
- 基于支持向量回歸機(jī)的匯率預(yù)測.pdf
- 基于支撐向量機(jī)的回歸方法研究.pdf
- 基于支持向量回歸機(jī)的圖像水印研究.pdf
- 基于支持向量回歸機(jī)的盲均衡算法研究.pdf
- 基于模糊支持向量回歸的機(jī)場噪聲預(yù)測研究.pdf
- 基于相關(guān)向量回歸模型的預(yù)測控制研究.pdf
- 基于支持向量回歸機(jī)的燃料電池研究.pdf
- 加權(quán)支持向量回歸算法研究.pdf
- 基于支持向量回歸機(jī)模型的股市預(yù)測研究.pdf
- 支持向量回歸的算法分析.pdf
- 基于支持向量回歸模型的序列采樣方法研究.pdf
- 基于改進(jìn)支持向量回歸機(jī)的股價預(yù)測研究.pdf
- 支持向量回歸增量學(xué)習(xí)算法研究.pdf
評論
0/150
提交評論