基于视觉特征提取的人脸图像自动融合算法研究

摘要

计算机视觉从上世纪70年代以来一直处于飞速发展之中，90年代开始，由于计算机性价比的不断提升，和数字图像获取的廉价化，这一领域的发展尤为迅速。在计算机视觉研究的各个问题中，人脸的检测和识别一直很受研究者的关注。如今已经能够自动从图像中提取和定位人脸特征，并将错误率控制在可接受范围之内。 另一方面，图像渐变技术在80年代开始用于影视制作之后流行了起来。这种技术可以实现一张图片到另一张图片的平滑过渡。为了避免出现图像重影，需要建立起两张图像之间特征点的对应关系，这通常意味着人量的人工劳动。 将两者结合起来看，很自然的可以利用计算机视觉技术来实现全自动的图像渐变，因为图像渐变所需要的图像特征，正是某些视觉算法的输出结果。本文利用两方面的技术，提出一个能够自动融合两张或者更多人脸图像的算法框架。 首先，我们用三个步骤从粗到精的从图像中提取人脸特征。图像中是否存在人脸，以及人脸的大致位置，可以用人脸检测算法来判定。检测的结果还将用于人脸特征的姿态参数的估计。最后通过人脸对齐，获得精确的人脸特征的姿态参数和形状参数。 其后，本文提出了一个类似于多图像渐变算法的融合人脸图像的算法。像素点之间的对应关系，通过这些点相对于特征的位置来建立。这个流程无须人工干预。本文还介绍了为避免不同光照条件下的图像融合之后出现不良结果，而进行的颜色调整这一前期处理步骤，以及为改善最终效果而进行的后期处理。

目录

文摘

英文文摘

论文说明：图目录

第1章绪论

1.1引言

1.2研究背景

1.3本文的研究目标和工作

1.3.1基于统计学习的人脸视觉特征提取

1.3.2基于视觉特征的人脸图片融合

1.4本文的章节组织

第2章相关研究

2.1针对静态图片的人脸的检测与对齐

2.1.1人脸检测与定位

2.1.2人脸对齐

2.2二维图像渐变技术

2.2.1网格渐变

2.2.2场渐变

2.2.3其他方法

2.3本章小结

第3章基于视觉特征提取的人脸图像融合算法框架

3.1人脸图像特征

3.2人脸图像融合算法框架总体设计

3.3各子模块介绍

3.3.1人脸检测

3.3.2初始定位

3.3.3人脸对齐

3.3.4颜色均衡化

3.3.5多图像渐变

3.3.6后期效果改进

3.4本章小结

第4章人脸图像特征提取

4.1人脸检测

4.2人脸特征提取问题的数学描述

4.2.1人脸特征向量

4.2.2形状模型

4.2.3灰度模型

4.2.4重新描述人脸特征提取问题

4.3初始定位

4.4人脸对齐

4.5本章小结

第5章人脸图像融合

5.1颜色均衡化

5.2多图像渐变(Polymorph)

5.3后期效果改进

5.4一些扩展应用

5.5本章小节

第6章总结与展望

参考文献

致谢