基于超像素的图像语义区域引导的色彩迁移

针对图像色彩处理技术,提出基于超像素的图像色彩迁移方法,其以图像语义区域进行引导,以LAB色彩空间进行映射。首先,采用K-means和SLIC算法对输入图像进行分割;其次,对每一子区域块进行区域协方差处理,获得其二阶语义特征并生成超像素,并利用相似度测量函数构造相似矩阵,对区域块聚类可生成图像超像素;最后,再对图像内语义信息相似的像素基于LAB空间映射,完成色彩迁移。结果显示,该方法具有处理复杂图像能力较高及颜色迁移效果准确的优点。     

分层色彩校正算法研究

提出了一种基于视网膜皮层理论和颜色视觉理论分层色彩校正算法：引入颜色视觉理论中的三色学说进行全局分类,使用广义高斯混合模型计算全局系数;简化分层色彩校正模型减少计算量;引用retinex理论对三通道分别进行处理,进行高光区域提取;使用对立学说进行色差计算,根据色度距离和空间距离设置系数权重,并根据系数校正像素;采用分层色彩校正模型整合图像。所提算法融合了颜色视觉理论和视网膜皮层理论,对现有的分层色彩校正进行了进一步的改进。实验验证该算法在模拟人类视觉系统色彩恒常性方面具有很好的合理性和实用性,实验表明该算法对非均匀多光源色偏图像有很好的校正效果。     

一种新的亚像素边缘检测误差校正算法

矩方法采用二维理想边缘模型描述亚像素边缘,实际图像在边缘处存在一个渐变的过渡阶段,而二维理想边缘模型不能精确描述边缘,导致原理误差的产生。为此,提出一种采用误差校正表的算法,用于降低二维理想边缘模型引入的原理误差,提高亚像素边缘检测精度。通过方形采样定理模拟生成已知边缘的理想图像,用矩方法检测理想图像的亚像素边缘,构造二维误差校正表。使用查询误差校正表并结合双线性插值求出误差后进行误差校正。以灰度矩和Zernike矩为例进行对比实验,结果表明,该算法亚像素检测精度比校正前提高了一个数量级。校正算法主要计算量是双线性插值,能保持亚像素边缘检测的实时性。     

基于细节特征融合的低照度全景图像增强

为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.     

鲁棒图像去雾的大气光校正与透射率优化算法

针对已有单幅图像去雾方法中存在的天空灰暗和对比度增强不足等问题,提出基于大气光自适应校正与透射率鲁棒性优化的高可见度图像去雾算法.该算法采用白平衡和伽马校正对输入图像进行预处理,以提升亮度、增强对比度并避免出现严重的偏色现象.为了防止大气光值估计过高,提出一种基于天空检测的大气光自适应校正方法,以获得更明亮的天空区域复原效果.最后通过检测光晕像素和透射率上下文一致性推断来识别透射率不可靠的像素,并在可靠透射率保持项、不可靠透射率插值项以及相似像素透射率关联项的约束下设计了透射率鲁棒性优化模型,以对不可靠透射率进行校正.实验结果表明,文中算法获得的透射率更符合场景中的深度变化趋势,使得去雾结果具有较高的清晰度、对比度与色彩饱和度,且天空区域也显得更为自然.     

一种实用的多投影仪显示墙色彩校正方法

针对多投影仪显示墙系统色彩不均匀性的问题,提出一种快速、实用的独立于几何校正结果的色彩校正方法。该方法利用细分网格变形技术将现有针对平面投影屏幕的色彩校正方法推广到适应任意光滑曲面投影屏幕,同时利用加权最小二乘曲线拟合思想降低色彩测量数据量。实际进行色彩校正时,采用可编程图形处理单元(GPU)的像素着色器对投影图像的每个像素进行实时校正计算,并在实际多投影仪显示墙系统中验证了方法的有效性。     

对称式八步直线生成算法

分析了直线生成模式与直线斜率之间的关系,提出了一种八步增量算法.该算法一次能画四个像素,结合直线的对称性,在一次循环中可以画八个像素.该算法只用到了整数加法运算、减法运算和左移位运算,大大降低了硬件实现的复杂度,同时有效地提高了速度,易于硬件实现.     

超像素SIFT特征航拍地图拼接研究

为解决航拍地图拼接计算量大、内容复杂多变的问题,提出使用超像素尺度不变特征变换(SIFT)特征进行地图拼接.首先利用近邻传播(AP)算法改进简单线性迭代聚类(SLIC)算法实现超像素自适应分割.然后在引导信息下对少数超像素提取SIFT特征,进行SIFT特征匹配.最后在线生成监督机制,在随机抽样一致性(RANSAC)算法配合下,得到少而精的匹配点,计算变换矩阵融合图像,实现图像拼接.实验结果显示:对于较高分辨率的图像,该算法与单纯SIFT拼接算法相比,在计算时间和拼接质量上都显示出较大的优势.     

微粒群算法在计算机辅助色彩协调设计中的应用

微粒群算法是一种简单高效的优化算法,将其应用到计算机辅助设计系统中,可以提高所生成设计方案的有效性和创新性.色彩协调设计系统中,以RGB模型和孟塞尔色彩模型为基础,利用微粒群算法对色彩设计预案进行优化调整,以经典的色彩调和理论为约束设定适应度函数,从而得到优化的色彩设计方案.通过在计算机辅助设计系统中对产品色彩方案优化功能模块的实现证明了该方法能快速有效的生成合理的、有创新性的色彩方案.     

变压器油下图像增强算法

为解决变压器检测机器人在变质、变色的变压器油内部采集的图像存在色彩失真、对比度低等问题,提出一种变压器油下图像融合增强算法.首先,利用完美反射算法对图像进行白平衡处理,以消除油下光照强度不均匀对图像颜色的影响,使得色彩更加均衡;然后,对色彩校正的图像进行自适应伽马校正,以提高图像的对比度;最后,采用多尺度融合策略将色彩校正后的图像与自适应伽马校正处理后的图像进行融合,得到变压器油下清晰的图像.实验结果表明,经所提出算法处理后的变压器油下图像色彩鲜明、细节丰富,与原始图像相比,图像质量评价指标(UCIQE)、特征点匹配个数以及信息熵均有显著提高,能够为变压器内部故障检测提供清晰的数据.     

The facial texture analysis for the automatic portrait drawing

It is important to draw the portrait by the facial textures automatically. In order to analyze the detailed textures located at the neighborhood of the eyes, the texture analyzing method is studied. Firstly, we propose the principle of selecting the feature points and the portrait drawing method by B-spline curves using the self-reference parameter. Then, the wavelet transform is used to analyze the position, the direction and the intensity of the double-fold eyelid textures. Experimental results have shown that the facial texture analyzing method is effective for drawing portraits automatically.     

基于纹理特征融合的人脸表情识别

局部二值模式(LBP)和韦伯局部描述算子(WLD)是两种图像的纹理描述算子,在图像的特征提取方面有较强的能力。为了更加准确地对人脸表情进行识别与分类,针对LBP在特征提取的过程中只考虑了中心像素点与周围的其他像素点的灰度值之差,WLD仅考虑中心像素点与周围像素点灰度值之间的激励强度与梯度方向关系的问题,提出一种新的特征提取算法—局部二值韦伯模式(LBWP)。首先对图像进行预处理,检验人脸和裁剪有效的表情区域,接着对图像进行LBWP特征提取,在特征提取之后采用SVM的分类器对表情进行识别和分类。该算法在CK+数据集和JAFFE数据集上进行实验仿真,识别率分别达到了97.14%和95.77%。实验结果验证了LBWP算法在表情识别方面的有效性,且丰富了人脸图像特征提取方法。     

Face recognition based on random subspace method and tensor subspace analysis

In this paper, we propose a novel method, called random subspace method (RSM) based on tensor (Tensor-RS), for face recognition. Different from the traditional RSM which treats each pixel (or feature) of the face image as a sampling unit, thus ignores the spatial information within the face image, the proposed Tensor-RS regards each small image region as a sampling unit and obtains spatial information within small image regions by using reshaping image and executing tensor-based feature extraction method. More specifically, an original whole face image is first partitioned into some sub-images to improve the robustness to facial variations, and then each sub-image is reshaped into a new matrix whose each row corresponds to a vectorized small sub-image region. After that, based on these rearranged newly formed matrices, an incomplete random sampling by row vectors rather than by features (or feature projections) is applied. Finally, tensor subspace method, which can effectively extract the spatial information within the same row (or column) vector, is used to extract useful features. Extensive experiments on four standard face databases (AR, Yale, Extended Yale B and CMU PIE) demonstrate that the proposed Tensor-RS method significantly outperforms state-of-the-art methods.

     

基于非对称局部梯度编码的人脸表情识别

目的 针对局部梯度编码算子(LGC)只能在固定大小邻域内提取图像纹理特征的不足,提出了一种非对称邻域LGC算子(AR-LGC)多尺度融合的表情特征提取方法。方法 首先,对归一化的表情图像进行Gauss滤波处理;然后,对图像进行分块,对每个子块图像中每一像素点,采用不同邻域大小的AR-LGC算子得到两个二进制序列,将两个序列作按位逻辑异或得到一个新的序列,对此序列进行编码,计算每个子块的直方图分布,级联各子块直方图构成人脸表情的特征;最后用SVM分类器进行表情分类识别。结果 该算法在JAFFE库和CK库上进行实验,分别取得了95.24%和96.83%的平均识别率,并与CBP(中心化二值模式)、LBP(局部二值模式)、LGC和AR-LBP(非对称局部二值模式)算法进行了比较,在JAFFE库的平均识别率分别比CBP、LBP、LGC、AR-LBP高5.6%、4.85%、3.71%、2.40%,在CK库的平均识别率分别比CBP、LBP、LGC、AR-LBP高3.66%、2.50%、2.17%、1.66%,实验结果表明,该算法可以较准确地进行人脸表情识别。结论 本文所提的表情特征提取方法通过融合不同梯度不同尺度子邻域间的强度关系,可以很好地表达图像的局部特征和全局特征,与典型的特征提取算法的对比实验也表明了本文算法的有效性,表明本文算法适用于静态人脸表情图像的识别。     

基于样本学习的人像线条画生成系统

介绍了一个基于样本学习的人脸线条画生成系统.该系统可以根据用户给定的正面人脸照片自动生成相应的人脸线条画.在系统中有两个关键技术,即非参数化采样方法和灵活的线条画模板.对于给定图像上的任意像素点及其邻域,通过在样本空间搜索并匹配所有的相似邻域,计算该像素点在相应的线条画上出现的条件概率;然后根据艺术家的风格和得到的条件概率绘制"期望的线条画";最后使用模板匹配得到最后的线条画.此方法可以生成高质量的正面人脸线条画.     

多级特征全局一致性的伪造人脸检测

目的 随着深度伪造技术的快速发展,人脸伪造图像越来越难以鉴别,对人们的日常生活和社会稳定造成了潜在的安全威胁。尽管当前很多方法在域内测试中取得了令人满意的性能表现,但在检测未知伪造类型时效果不佳。鉴于伪造人脸图像的伪造区域和非伪造区域具有不一致的源域特征,提出一种基于多级特征全局一致性的人脸深度伪造检测方法。方法 使用人脸结构破除模块加强模型对局部细节和轻微异常信息的关注。采用多级特征融合模块使主干网络不同层级的特征进行交互学习,充分挖掘每个层级特征蕴含的伪造信息。使用全局一致性模块引导模型更好地提取伪造区域的特征表示,最终实现对人脸图像的精确分类。结果 在两个数据集上进行实验。在域内实验中,本文方法的各项指标均优于目前先进的检测方法,在高质量和低质量FaceForensics++数据集上,AUC(area under the curve)分别达到99.02%和90.06%。在泛化实验中,本文的多项评价指标相比目前主流的伪造检测方法均占优。此外,消融实验进一步验证了模型的每个模块的有效性。结论 本文方法可以较准确地对深度伪造人脸进行检测,具有优越的泛化性能,能够作为应对当前人脸伪造威胁的一种有效检测手段。     

人脸表情的LBP特征分析

为了有效提取面部表情特征,提出了一种新的基于LBP（局部二值模式）特征的人脸表情识别特征提取方法。首先用均值方差法对表情图像进行灰度规一化,通过对图像进行积分投影,定位出眉毛、眼睛、鼻和嘴巴这些关键特征点,进而划分出各特征部件所在子区域,然后对子区域进行分块,提取各个子区域的分块LBP直方图特征。为了验证所提出的方法的合理性,最后在JAFFE表情库上进行了实验,结果表明提出的方法能够有效地描述表情的特征。     

人脸特征点定位的自适应窗回归方法

针对显式形状回归（ESR）对于一些面部遮挡、面部表情过大样本定位精度低的问题，提出一种自适应窗回归方法。首先，应用先验信息为每张图片生成精确的人脸框，用人脸框的中心点对人脸进行特征映射，并进行相似变换得到多个初始形状；其次，提出一种自适应窗口调整策略，基于先前回归的均方误差自适应地调整特征窗口大小；最后，基于互信息（MI）的特征选择策略，提出新的相关性计算方法，在候选像素集中选出最相关的特征。在三个公开数据集LFPW、HELEN、COFW上，相较于ESR算法，所提方法的定位精度分别提升7.52%、5.72%和5.89%。实验结果表明，自适应窗回归方法可以有效提高人脸特征点定位精度。     

Statistical learning based facial animation

To synthesize real-time and realistic facial animation, we present an effective algorithm which combines image- and geometry-based methods for facial animation simulation. Considering the numerous motion units in the expression coding system, we present a novel simplified motion unit based on the basic facial expression, and construct the corresponding basic action for a head model. As image features are difficult to obtain using the performance driven method, we develop an automatic image feature recognition method based on statistical learning, and an expression image semi-automatic labeling method with rotation invariant face detection, which can improve the accuracy and efficiency of expression feature identification and training. After facial animation redirection, each basic action weight needs to be computed and mapped automatically. We apply the blend shape method to construct and train the corresponding expression database according to each basic action, and adopt the least squares method to compute the corresponding control parameters for facial animation. Moreover, there is a pre-integration of diffuse light distribution and specular light distribution based on the physical method, to improve the plausibility and efficiency of facial rendering. Our work provides a simplification of the facial motion unit, an optimization of the statistical training process and recognition process for facial animation, solves the expression parameters, and simulates the subsurface scattering effect in real time. Experimental results indicate that our method is effective and efficient, and suitable for computer animation and interactive applications.     

融合时空域特征的人脸表情识别

目的 人脸表情识别是计算机视觉的核心问题之一。一方面,表情的产生对应着面部肌肉的一个连续动态变化过程,另一方面,该运动过程中的表情峰值帧通常包含了能够识别该表情的完整信息。大部分已有的人脸表情识别算法要么基于表情视频序列,要么基于单幅表情峰值图像。为此,提出了一种融合时域和空域特征的深度神经网络来分析和理解视频序列中的表情信息,以提升表情识别的性能。方法 该网络包含两个特征提取模块,分别用于学习单幅表情峰值图像中的表情静态“空域特征”和视频序列中的表情动态“时域特征”。首先,提出了一种基于三元组的深度度量融合技术,通过在三元组损失函数中采用不同的阈值,从单幅表情峰值图像中学习得到多个不同的表情特征表示,并将它们组合在一起形成一个鲁棒的且更具辩识能力的表情“空域特征”;其次,为了有效利用人脸关键组件的先验知识,准确提取人脸表情在时域上的运动特征,提出了基于人脸关键点轨迹的卷积神经网络,通过分析视频序列中的面部关键点轨迹,学习得到表情的动态“时域特征”;最后,提出了一种微调融合策略,取得了最优的时域特征和空域特征融合效果。结果 该方法在3个基于视频序列的常用人脸表情数据集CK+（the extended Cohn-Kanade dataset）、MMI （the MMI facial expression database）和Oulu-CASIA （the Oulu-CASIA NIR&VIS facial expression database）上的识别准确率分别为98.46%、82.96%和87.12%,接近或超越了当前同类方法中的表情识别最高性能。结论 提出的融合时空特征的人脸表情识别网络鲁棒地分析和理解了视频序列中的面部表情空域和时域信息,有效提升了人脸表情的识别性能。