基于形状外观关联映射的动态脸部纹理生成

脸部表情的变化细节(例如皱纹)是很重要的视觉线索,但是它们难以建模与合成.这是由于人们说话和作表情时,脸部纹理也在动态地改变.与传统的纹理映射方法不同,提出一种根据脸部特征点运动来生成脸部动态纹理的新方法.基于形状和外观在表情脸部图像上高度相关这个观察,设计建立了从形状到外观的映射关系.这个映射被称作"形状外观的关联映射(shape-appearance dependence mapping,简称SADM)".实验结果表明用,SADM合成出的人脸与真实的人脸十分近似.提出的SADM方法可以集成到基于线框模型的人头模型中产生真实的动画效果,也可以应用于基于模型的视频编码来进一步节省传输带宽.     

汽车类外观专利图像三维重建

为实现由汽车类外观设计专利图像到三维模型的恢复,结合汽车类外观专利图像的特点,提出融合从明暗恢复形状(SFS)与轮廓线法的汽车类外观专利图像三维重建方法.结合右视图及主视图的轮廓对由SFS得到的模型进行深度校正,得到较为精确的单幅图像三维模型;利用轮廓法恢复物体的整体模型,通过计算各单幅图像模型及整体模型的位置坐标,进行各模型之间的对齐操作,使两种方法得到的模型融为一体,得到融合模型.实验结果表明,与其它方法相比,该方法得到的三维模型在整体与细节方面都得到较大提升.     

基于显著先验的图像前景分割方法

为研究图像中物体的显著先验信息和外观信息对物体轮廓所造成的影响,提出一种图像前景分割方法。通过将频谱余量获得的显著概率先验与基于码书模型的外观先验结合,在一个概率框架下学习得到统一的图像前景概率分布。对于测试图像,通过基于频谱的显著性计算其不同位置处出现前景的概率,计算基于区域内外观模型为前景的概率,综合得到目标区域为前景的概率,该值超过一定阈值即可认为是前景。该方法仅需要较少量的学习,就能够得到一个近似于真值图像的分割结果。在图像分割标准库上进行测试,结果表明,该方法计算简单,速度快,图像分割效果较好。     

基于模型的人脸图像配准

为了提高活动形状模型算法在图像配准中的鲁棒性,设计了两种基于Fisher变换的局部外观模型,并基于改进的模型提出了一种人脸图像配准算法.新算法结合了改进的模型和传统外观模型,可以较好地抵抗噪声干扰.     

融合图像特征的一致点匹配方法及其应用

提出一种基于图像特征的一致点漂移匹配方法进行3维形状点集对齐,在匹配过程中结合点的几何空间信息和图像特征信息构造目标函数,依据点之间的图像特征差异调整原始一致点漂移匹配方法中的高斯混合模型。使用3维前列腺和肝脏点集进行匹配的仿真实验,结果表明本文方法可有效减少匹配误差,其中肝脏点集匹配误差从1.84 mm降低到1.54 mm,前列腺点集匹配误差从0.83 mm降低到0.60 mm。利用本文提出的形状点集对齐方法建立活动外观模型,对3维前列腺CT图像进行分割,分割精度有一定提高,即体素正确覆盖率从88.7%提高到90.2%。     

利用主动外观模型合成动态人脸表情

人脸表情发生变化时,面部纹理也相应地改变;为了方便有效地模拟这一动态的表情变化过程,提出一种基于主动外观模型的人脸表情合成方法.首先离线学习人脸表情与人脸形状和外观参数之间的关系,利用该学习结果实现对输入人脸图像的表情合成;针对合成图像中眼睛和牙齿模糊的缺点,利用合成的眼睛图像和牙齿模板来替代模糊纹理.实验结果表明,该方法能合成不同表情强度和类型的表情图像;合成的眼睛图像不仅增强了表情的真实感,同时也便于实现眼睛的动画.     

判别特征回归的鲁棒目标跟踪

目的 近年来,目标跟踪领域取得了很大进步,但是由于尺度变化,运动,形状畸变或者遮挡等造成的外观变化,仍然是目标跟踪中的一大挑战,因而有效的图像表达方法是提高目标跟踪鲁棒性的一个关键因素。方法 从中层视觉角度出发,首先对训练图像进行超像素分割,将得到特征向量集以及对应的置信值作为输入值,通过特征回归的方法建立目标跟踪中的判别外观模型,将跟踪图像的特征向量输入该模型,得到候选区域的置信值,从而高效地分离前景和背景,确定目标区域。结果 在公开数据集上进行跟踪实验。本文算法能较好地处理目标尺度变化、姿态变化、光照变化、形状畸变、遮挡等外观变化;和主流跟踪算法进行对比,本文算法在跟踪误差方面表现出色,在carScale、subway、tiger1视频中能取得最好结果,平均误差为12像素,3像素和21像素;和同类型的方法相比,本文算法在算法效率上表现出色,所有视频的跟踪效率均高于同类型算法,在carScale视频中的效率,是同类算法效率的32倍。结论 实验结果表明,本文目标跟踪算法具有高效性和鲁棒性,适用于目标发生外观变化时的目标跟踪问题。目前跟踪中只用了单一特征,未来考虑融合多特征来提升算法鲁棒性和准确度。     

基于相关型图像传感器3维人脸成像的3维AAMs人脸识别方法的研究

主动外观模型是基于统计分析建立物体2维模型的有效方法,它融合了目标的形状和纹理信息。在基于相关型图像传感器3维人脸成像的基础上,提出了一种建立3维人脸模型的方法,该方法利用由相关型图像传感器得到的深度信息和与之对应的亮度信息将2维AAMs扩展为3维AAMs,融合人脸的形状,纹理和深度信息来构建3维人脸模型。人脸识别实验结果表明,该方法在不同人脸姿态,表情和光照条件下识别效果要优于Eigenface和2维AAMs。     

人体心脏的4维图像建模和参数分析

研究一种基于4维医学图像的活动形状模型方法,用于构建人类心脏的3维柔性模型并进行自动化参数分析,以得到心脏各方位的量化功能指标。首先,通过造影技术获取心脏周期内各时刻的立体图像,根据时间序列形成一组4维图像。在大量医学图像的基础上,用统计方法分析得到心脏的一般形状,局部的变化范围和分布概率密度,为人类心脏建立一个数字化的计算模型。在此基础上,针对具体病人进行图像分割和形状拟合以计算其心脏静态和动态形状参数,然后分析得到与心脏功能相关的一些重要参数。研究内容包括心脏模型的建立,心脏静态参数分析,心脏动态功能分析,疾病分析等,对病人心脏在特定时刻的每组图像生成其3维结构模型,为医生提供丰富有力的诊断和治疗依据。     

利用主动外观模型进行3D人脸的快速自动建模

针对传统方法存在的通用性不强、实时性较差和与视频传输系统不兼容等缺点,提出一种面向单幅任意姿态图像的3D人脸建模技术.首先将基于初始位置校正和模型实例选择的主动外观模型改进方法应用到人脸特征点的提取过程中;然后结合人脸结构特征和空间仿射变换调节CANDIDE-3线框模型,实现对应人脸的全局位置恢复和形状匹配.在此基础上,根据感兴趣区域的对称性对局部坐标进行微调,并构建真实感纹理.实验结果表明,该技术不受图像拍摄焦距等因素影响,单幅图像平均建模时间约为300ms.     

基于生物启发特征的真实环境笑脸分类方法

为解决生物启发模型(BIM)存在的3个问题,即高计算复杂度、有争议的视觉皮层关系建模,以及类前向反馈机制带来的盲目特征选择,提出一种基于生物启发特征(BIF)的真实环境笑脸分类方法。构建基于BIF的笑脸分类系统,提取人脸表情图像嘴部区域的金字塔梯度方向直方图特征,使用局部保持投影进行BIM特征降维,采用Adaboost算法进行BIM特征选择。实验结果验证,该系统的最佳识别率达96.5%。     

基于混合特征和分层最近邻法的人脸表情识别

采用主动形状模型提取人脸嘴巴几何特征,利用Gabor小波提取眼睛和眉毛频域特征.根据人脸表情特征基于分类树思想将表情进行三层分类.第1层以嘴宽高比、嘴高、嘴宽高差作为最近邻的输入进行训练实现粗分类;第2层以嘴宽、嘴宽高差作为最近邻的输入进行训练实现分类;第3层以眼睛和眉毛区域15个关键点的Gabor小波特征作为最近邻的...     

基于ASM和K近邻算法的人脸脸型分类

针对人脸特征分类问题,提出一种基于主动形状模型(ASM)和K近邻算法的人脸脸型分类方法。将Hausdorff距离作为K近邻算法的距离函数,利用ASM算法提取待测图像的特征点,对点集进行归一化后计算人脸轮廓特征点与样本库中所有样本点集的Hausdorff距离,根据该距离值,通过K近邻算法实现待测图像的脸型分类。实验结果证明,该方法分类正确率高、速度快、易于实现。     

基于DBN-HMM的人体动作识别

动作识别使得机器能够对人体动作的意图进行判别理解，进而实现高效的人机交互。提出一种肢体角度模型，实现在三维空间中对人体动作进行表示，该模型具有一定的不变性，计算复杂度低。针对传统的基于混合高斯的隐马尔可夫模型（GMM-HMM）的动作识别，提出深度置信网络模型（DBN）和隐马尔可夫模型相结合的动作识别模型，构建了一种非线性的基于条件限制玻尔兹曼机（CRBM）的DBN深度学习模型，深层次结构使其建模能力更强，且能够结合历史信息建模，更适用于动作识别。实验表明该算法具有较高的识别结果。     

面向人脸识别的WPD-HOG金字塔特征提取方法

人脸识别技术可应用于各监控和安保领域,它涉及特征提取、识别模型等关键技术。其中特征提取方法直接影响识别效果,目前所用的特征提取方法存在特征表达不全面、计算复杂度高等问题。据此,提出一种基于WPD-HOG金字塔的人脸特征提取方法,该方法结合小波包分解（Wavelet Packet Decomposition,WPD）、图像金字塔以及方向梯度直方图（Histograms of Oriented Gradients,HOG）对人脸图像特征进行有效表征,最终将WPD-HOG金字塔特征通过SVM分类器进行分类。通过在ORL人脸库上进行实验,与四种对比方法HOG、HOG金字塔、FWPD-HOG以及FWPD-HOG金字塔进行比较,实验结果表明,WPD-HOG金字塔特征提取方法的识别率要高于对比方法,且在噪声方面具有较好的鲁棒性。     

一种改进主动形状模型的研究

主动形状模型（Active Shape Model,ASM）是一种较为流行的用于特征定位的统计学形状模型,主要应用于灰度图像中物体的跟踪与定位。在传统主动形状模型基础上,研究了一种构建局部纹理模型的新方法。该模型充分利用特征点之间的联系,构建加权模型。在ORL人脸数据库、JAFFE人脸数据库中进行特征定位实验,并进行了ASM性能分析。结果表明,改进ASM方法提高了搜索速度与特征点定位的精度。     

一种高效的人脸识别算法

提出一种基于局部Fisher鉴别分析(LFDA)和优化支持向量机(SVM)的高效人脸识别算法。在综合考虑局部几何结构和类别信息的基础上,利用LFDA将高维人脸数据映射到低维特征空间,避免维数灾难问题。在该低维特征空间中,使用经乘性更新规则训练的优化SVM对人脸数据进行分类识别。在人脸数据库上的实验结果表明,该算法的运算速度较快,识别准确率较高。     

基于改进Hausdorff距离的人脸匹配方法

提出了一种基于改进Hausdorff距离的人脸相似度匹配的方法,该方法首先将人脸划分为脸型、双眼、鼻、嘴等几个特征点集,分别计算各部分的改进Hausdorff距离,然后进行加权计算相似度。利用该方法,在ASM（主动形状模型）定位人脸的基础上进行了人脸检索。实验表明,利用人脸相似度计算方法对人脸特征库进行搜索,达到了较好的效果。同时结合ASM自动人脸检测,本方法可以全自动完成人脸匹配,应用于人脸识别及数字娱乐等领域。     

基于SFA和GLCM的影像特征提取方法

针对遥感影像中同类样本差异性较大的缺点,提出一种基于SFA和灰度共生矩阵(GLCM)的遥感影像特征提取方法。对原始图像进行SFA变换,利用SFA的生物视觉特性消除图像中的同类差异性,对变换得到的图像进行GLCM计算,获得基于SFA和GLCM的新型特征。实验结果证明,SFA预处理能降低遥感影像的同类差异性,提高特征的可区分性,其效果优于传统的GLCM特征提取方法。     

融合PCA、LDA和SVM算法的人脸识别

为了提高人脸识别效率,提出了一种基于PCA、LDA和SVM算法融合的人脸识别方法。使用主成分分析（PCA）将人脸图像变换到新的特征空间中,消除图像特征间的相关性和噪声,提取人脸全局特征,在实验阶段取较多的投影方向使其尽可能多的保持原始信息;使用线性判别分析（LDA）算法进一步投影变换降低数据维度;使用支持向量机（SVM）分类识别。将PCA、LDA和SVM三种算法的优点结合起来,在ORL数据库上进行仿真实验,结果表明该方法的识别率可达99.0%。