一种基于遮挡区域补偿的眼镜去除方法

为了提高戴眼镜人脸图像的识别率, 提出了一种从人脸图像中检测并去除眼镜的方法。首先对输入的戴眼镜人脸图像与系统预留的无眼镜人脸图像进行基于人眼位置的标定, 检测出眼镜遮挡区域, 再用无眼镜人脸图像中对应的遮挡区域对戴眼镜人脸图像进行补偿, 从而合成了对应输入图像的不戴眼镜的人脸图像。实验结果表明, 该方法能有效地合成无眼镜人脸图像, 将合成后的人脸图像再应用于人脸识别系统, 识别率显著提高。     

眼镜遮挡下的正面人脸识别

针对眼镜遮档对人脸识别影响较大这一问题,提出一种从正面人脸图像中提取并摘除眼镜的方法。首先利用主成分分析和独立成分分析法对输入的戴眼镜人脸进行重建,对比重建人脸和输入人脸,从而提取眼镜遮档区域;然后经过迭代误差补偿合成相应的无眼镜人脸;最后考虑到合成图像的特殊性,使用改进的特征加权方法实现人脸识别。实验结果表明,利用提出的人脸重建和特征加权方法进行戴眼镜人脸识别,正确率可以达到91%,优于传统方法。     

一种快速眼睛定位与人脸平面旋转校正方法

针对人脸图像平面旋转导致识别效果不佳的问题,提出一种有效的眼睛定位与人脸平面旋转校正方法.首先基于AdaBoost算法训练得到的眼睛分类器从人脸图像中快速确定双眼候选区域,然后根据双眼在候选区中所处位置和所占比例,将候选区域分为宽度相同的左眼子区、中间子区和右眼子区3个子区域,再对包含眼睛的左眼子区和右眼子区分别求积分投影来准确定位双眼位置;准确定位双眼位置后,给出了以图像中心为旋转基准点时旋转角度的计算方法,并结合图像旋转公式实现了人脸图像的平面旋转校正.实验结果表明,该方法不仅能防止人脸倾斜时出现伪特征点,也能避免眼镜内边框和眼镜支架对定位眼睛的影响,提高眼睛定位精度,而且能实现人脸的平面旋转校正,具有非常好的实时性和实用价值.     

改进Retinex的光照变化人脸图像增强算法

为了提高可变光照条件下的人脸图像整体效果,提出一种基于改进单尺度Retinex的光照变化人脸增强算法。首先对人脸图像进行对数变换,经过曲波变换得到高频和低频两部分;然后采用双边滤波对高频进行去噪处理,同时采用Kimmel变分模型对低频部分进行光滑滤波;最后对人脸图像进行重构,并对图像进行伽马校正处理。在Yale B光照人脸库上的实验结果表明,该算法能较好地防止“光晕”现象出现,可以还原出人脸图像的本来面貌,使人脸图像更加适合人眼观察。     

基于个人特征脸图像重构的人脸识别

传统的基于PCA(Principal component analysis)的人脸识别方法产生的人脸特征子空间通常是由人脸库中的所有训练样本产生的,此子空间包含的更多的是所有人脸样本的共性特征,而忽略了人脸的一些个性特征.本文提出了一种基于PCA图像重构的人脸识别方法,该方法以单个人的类内协方差矩阵为特征脸产生矩阵,获取个人的人脸特征子空间,然后将待识别图像对每个特征子空间进行映射提取人脸图像主成分,并以此主成分进行图像重构,采用最小重构误差作为判据实现人脸的识别,最后基于ORL及Yale人脸数据库,实验验证了该方法的有效性.     

基于最小扭曲变换的正面人脸图像合成

二维正面人脸图像在视频监控、人脸识别等领域有重要的实际意义,为此提出一种利用多幅非正面人脸图像自动合成正面人脸图像的算法.从多幅非正面人脸图像中选择扭曲形变最小的像素进行合成,并使用加权平均来平滑合成图像,从而使得合成的正面人脸图像尽可能自然.实验结果表明,该算法所合成的正面人脸图像可以十分有效地逼近真实正面人脸图像,在人脸识别中也可以有效地保持人脸图像的身份特征不变.     

融合参考图像的人脸超分辨率重构方法

基于深度学习的图像超分辨率重构方法对低分辨率人脸图像进行超分辨率重构时,通常存在重构图像模糊和重构图像与真实图像差异较大等问题.基于此问题,文中提出融合参考图像的人脸超分辨率重构方法,可以实现对低分辨率人脸图像的有效重构.参考图像特征提取子网提取参考图像的多尺度特征,保留人脸神态和重点部位的细节特征信息,去除人脸轮廓和面部表情等冗余信息.基于提取的参考图像多尺度特征,逐级超分主网络对低分辨率人脸图像特征进行逐次填充,最终重构生成高分辨率的人脸图像.在数据集上的实验表明,文中方法可以实现对低分辨率人脸图像的有效重构,具有良好的鲁棒性.     

基于树型稀疏模型的重构算法在人脸图像中的研究

人脸图像的识别率一直以来都是研究的热点。提出一种基于树状稀疏模型的算法。首先通过在小波域稀疏特性基础上构建一种图像数据的树状稀疏模型,进而针对此模型设计一种新的人脸图像重构算法。在人脸图像中使用消除人脸部的冗余信息,通过与传统重构算法的比较以及采用3个标准人脸数据集对该算法进行测试。仿真实验表明,该算法相对于参比算法,提高了人脸图像识别精度,具有很好的鲁棒性。     

自动分块亮度校正算法及仿真研究

光照是人脸图像的成像条件之一,在人脸成像过程中具有很大的灵活性.由于拍摄照片过程中光照条件或观察角度的不同,导致人脸识别算法的性能明显下降.基于传统的区域校正思想提出了一种自动分块亮度校正算法,自动提取过亮块和过暗块并对其进行亮度校正.以彩色图像人脸数据库为例,快速、准确地得到亮度校正图像.仿真实验表明,将该算法校正恢复出的图像用于人脸识别,可以提高人脸识别率,具有一定的应用价值.     

基于可视信息眼镜摘除的热红外人脸识别方法

在热红外人脸识别中,眼镜作为人脸图像中常见的遮挡物,造成了人脸眼睛区域信息的丢失,严重影响了人脸识别效果。针对该问题,提出了一种在热红外图像中去除眼镜的算法,对热红外图像进行眼镜检测,使用无眼镜的热红外图像的平均眼睛模板来代替有眼镜的热红外图像的眼镜区域,再基于核主成分分析算法利用可视化图像和热红外图像融合的方法,进行图像融合,获得较好的无眼镜热红外图像,通过分类识别来实现人脸识别。实验结果表明,在热红外人脸识别中,该方法在戴眼镜的情况下能够提高人脸识别的准确率和取得较好的识别效果。