正面人脸图像合成方法研究

摘要

正面人脸合成是以一幅或者多幅侧面视角的人脸图像为输入,通过信息恢复合成正面人脸图像的技术。正面人脸合成是一个数据从无到有的构建过程,这一技术能够根据一幅或者多幅侧面人脸图像,有效恢复自遮挡部分的人脸信息,进而获得准确的正面人脸图像。
　　本文研究的主要内容包括侧面人脸偏转角度估计以及正面人脸合成算法两部分。首先,详细阐述分析了主成分分析方法以及主动表观模型的建立与拟合过程,并给出了多角度主动表观模型,进而阐述了侧面人脸偏转角度的估计方法;然后,详细阐述分析了线性物体类理论,并在这一理论的基础上,充分利用人脸相对重要的信息且结合侧面人脸可见纹理信息改进了正面人脸合成算法,提高了正面人脸的合成效果。
　　侧面人脸偏转角度的准确估计是正面人脸合成的关键问题。为了准确估计侧面人脸的偏转角度,对训练集中的人脸图像从不同的视角下分别建立形状模型、纹理模型以及表观模型,进而得到对应的多角度的主动表观模型,对于一幅新的人脸图像,使用多角度主动表观模型对其进行拟合计算,取拟合误差最小的表观模型,可以准确估计人脸的偏转角度。
　　线性物体类理论是本文正面人脸合成算法的理论基础。为了有效地合成正面人脸图像,首先,分离人脸的形状信息和纹理信息,进而得到人脸的形状参考信息和纹理参考信息;然后,对人脸的形状参考信息以及纹理参考信息分别进行线性预测计算,同时充分利用侧面人脸的可见纹理信息,从而得到期望的正面人脸的形状信息和纹理信息,并最终合成正面人脸图像。正面人脸合成过程中充分利用了线性物体类理论和主成分分析方法,人脸可视为线性物体类,具备线性物体类的性质,因此,人脸可以使用一组相同视角下的人脸线性表示,且相应线性权重相同。由于人脸信息的维数太大,可使用主成分分析方法充分降低了人脸信息的维数,同时去除了不重要的信息,保留了人脸的关键信息。
　　对本文给出的正面人脸合成算法进行了仿真实验,实验结果表明,本文给出的正面人脸合成算法是可行的,而且合成效果令人满意。