人臉畫像-照片的合成與識(shí)別方法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩123頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、人臉畫像-照片識(shí)別是指以所提供的畫像為示例在照片庫(kù)中進(jìn)行檢索,確定待識(shí)別人的身份信息,在刑偵破案、反恐追逃和動(dòng)漫設(shè)計(jì)中具有廣泛的應(yīng)用。在感興趣目標(biāo)照片缺失的情況下,該研究將為實(shí)現(xiàn)人臉識(shí)別提供有效的途徑。畫像是由畫家根據(jù)其主觀理解繪制而成,它利用線條的粗細(xì)、疏密來(lái)表達(dá)人臉的形狀和紋理信息,而照片是通過(guò)光學(xué)成像設(shè)備或其它傳感器獲得的客觀圖像,它記錄了圖像的灰度或顏色信息。不同的產(chǎn)生機(jī)理和信息表達(dá)方式使得兩者之間存在較大的形狀結(jié)構(gòu)及紋理灰度差

2、異,即使同一個(gè)人的畫像和照片具有相似的幾何形狀,但也一定有相差甚遠(yuǎn)的紋理信息。這使得現(xiàn)有的人臉識(shí)別算法很難在畫像-照片識(shí)別中得以直接推廣和應(yīng)用。因此,以最低代價(jià)實(shí)現(xiàn)高性能的畫像-照片轉(zhuǎn)換成為本文研究的重點(diǎn);將其中一種媒體的表達(dá)模式轉(zhuǎn)化為另一種使其在同一特征模式空間實(shí)現(xiàn)相互識(shí)別,從而為跨媒體的信息檢索和模式識(shí)別探索新的途徑。
   本文針對(duì)畫像-照片識(shí)別的基本問(wèn)題,探索畫像-照片不同信息表達(dá)模式之間的映射關(guān)系,在構(gòu)建該映射關(guān)系模型

3、的基礎(chǔ)上提出畫像-照片合成方法,從而將畫像-照片識(shí)別轉(zhuǎn)變?yōu)橥荒J较碌娜四樧R(shí)別,為提高畫像-照片識(shí)別性能提供必要的前提條件。與此同時(shí),融合人臉圖像結(jié)構(gòu)和紋理信息,提出了用于轉(zhuǎn)換后特征空間的人臉識(shí)別方法。主要工作概括如下:
   1.提出了基于機(jī)器學(xué)習(xí)的偽照片合成方法。本文對(duì)現(xiàn)有的偽照片/偽畫像合成方法進(jìn)行了綜合分析和實(shí)驗(yàn),在此基礎(chǔ)上,提出了基于嵌入式隱馬爾可夫模型和分塊策略的偽照片合成方法。該方法利用嵌入式隱馬爾可夫模型對(duì)訓(xùn)練畫

4、像-照片塊的映射關(guān)系建模,從而將畫像轉(zhuǎn)變到照片域表達(dá)模式下。通過(guò)理論分析和相關(guān)實(shí)驗(yàn),證明了該方法只需要較少的訓(xùn)練樣本就可以得到較精確的偽照片,克服了基于統(tǒng)計(jì)的方法無(wú)法用較少的訓(xùn)練樣本獲得偽照片的不足。
   2.確定了人臉照片/畫像合成中的分塊縫合策略?,F(xiàn)有的基于局部策略的偽照片/偽畫像合成方法均通過(guò)平均化分塊重疊區(qū)域合并偽照片塊/偽畫像塊,導(dǎo)致生成的偽照片/偽畫像存在模糊和分塊效應(yīng)。針對(duì)這一問(wèn)題,本文提出利用圖像縫合思想將合成

5、偽照片塊/偽畫像塊進(jìn)行拼接,該方法根據(jù)兩個(gè)分塊重疊區(qū)域中對(duì)應(yīng)像素的差異,在重疊區(qū)域上搜索最短路徑作為縫合線。實(shí)驗(yàn)結(jié)果表明了基于分塊縫合策略的方法可以合成更高質(zhì)量的人臉偽照片/偽畫像,并給出了理論分析。
   3.探索了合成圖像的質(zhì)量評(píng)價(jià)方法?,F(xiàn)有的圖像質(zhì)量評(píng)價(jià)方法主要針對(duì)噪聲和人為因素造成的圖像降質(zhì),鑒于合成偽照片和偽畫像必須與原始圖像具有相似的鑒別信息,我們闡述了一種新的圖像質(zhì)量評(píng)價(jià)測(cè)度,從圖像本身的質(zhì)量以及合成圖像與原始圖像

6、的相似程度兩方面來(lái)評(píng)估合成偽照片/偽畫像的質(zhì)量。同時(shí),利用畫像-照片識(shí)別的性能分析了該圖像質(zhì)量評(píng)價(jià)測(cè)度的有效性。
   4.驗(yàn)證了本文所提出的畫像-照片合成方法可以有效提高畫像-照片識(shí)別率。畫像-照片被轉(zhuǎn)換到同一特征空間后,利用主成分分析、獨(dú)立成分分析、核主成分分析、保局投影、張量子空間分析和離線張量分析等無(wú)監(jiān)督子空間學(xué)習(xí)算法在畫像域和照片圖像域進(jìn)行人臉識(shí)別。實(shí)驗(yàn)結(jié)果表明,本文提出的畫像-照片合成方法可以有效地提高畫像-照片識(shí)別

7、的正確率。
   5.構(gòu)建了融合結(jié)構(gòu)和紋理信息的雙模人臉識(shí)別方法。本文主要研究的是不含有任何主觀因素的寫實(shí)素描畫,其中每個(gè)人的畫像和照片具有較為相似的形狀結(jié)構(gòu)信息和差異較大的紋理信息。通過(guò)兩種特征空間的相互轉(zhuǎn)換,在減弱其紋理信息差異的同時(shí),保持了形狀結(jié)構(gòu)信息相似性,故而本文提出了融合人臉圖像紋理和結(jié)構(gòu)模型的雙模人臉識(shí)別方法,通過(guò)在識(shí)別過(guò)程中加強(qiáng)結(jié)構(gòu)模型相似性的比重進(jìn)一步減弱紋理模型差異對(duì)正確鑒別人物身份的影響。實(shí)驗(yàn)結(jié)果表明,該識(shí)

8、別方法對(duì)于人臉圖像的光照、表情和尺度變化都具有較好的魯棒性,為后續(xù)實(shí)現(xiàn)多因素影響下的畫像-照片識(shí)別提供了有效的技術(shù)手段。同時(shí),提出了兩種度量結(jié)構(gòu)模型相似性的圖編輯距離算法,這兩種算法獨(dú)立于代價(jià)函數(shù)定義,具有執(zhí)行效率高、對(duì)圖像聚類分類準(zhǔn)確率高、通用性強(qiáng)等優(yōu)點(diǎn)。
   6.建立了具有自主知識(shí)產(chǎn)權(quán)的人臉照片-畫像數(shù)據(jù)庫(kù)和實(shí)驗(yàn)測(cè)試平臺(tái)。現(xiàn)有的照片-畫像庫(kù)中畫像的繪畫風(fēng)格單一,為了研究對(duì)不同繪畫風(fēng)格的畫像具有魯棒性的畫像-照片識(shí)別算法,并

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論