基于AAM與張量分解的多視角人臉合成算法.pdf

1、隨著計算機科學的高速發(fā)展，人臉合成技術(shù)在人工智能、模式識別領(lǐng)域發(fā)揮著越來越重要的作用，因此根據(jù)已有樣本合成出逼真的人臉圖像是一個熱門的研究問題。但由于人臉結(jié)構(gòu)的非剛體特性，使人臉圖像容易受到多種因素的影響，其中，視角變化對圖像合成效果產(chǎn)生較大的影響。不同視角下人臉圖像的合成是一項富有挑戰(zhàn)性的重要課題?；诮y(tǒng)計學習理論的人臉合成技術(shù)成為人們?nèi)找骊P(guān)注的新的發(fā)展方向。
　　 本文對多視角人臉合成算法進行了深入研究。首先，針對高維數(shù)據(jù)在

2、合成過程中因欠采樣問題而產(chǎn)生的誤差，本文提出了主動表觀模型與張量理論相結(jié)合的多因素分離方法。該方法借助主動表觀模型分離出多視角圖像的形狀特征點數(shù)據(jù)，根據(jù)張量理論提取出影響圖像的多種外在變化因素，有效地解決了欠采樣問題對多因素精確描述所產(chǎn)生的影響。其次，為合成多個連續(xù)變換視角下人臉形狀特征點，本文提出了稀疏表示與流形建模相結(jié)合的系數(shù)合成方法。該方法通過對測試圖像身份信息的重構(gòu)以及對新視角信息的擬合，能夠準確地合成出測試圖像在不同視角下特征