用于面瘫分级的自监督非对称特征学习方法

面瘫是一种以面部表情肌群运动功能障碍为主要特征的疾病.利用人工智能技术进行面瘫分级的辅助诊断不仅能够提高诊断的效率,且能够降低诊断结果受主观医疗经验的影响,提高诊断的准确性.而现有的基于计算机视觉的面瘫辅助诊断评估方法或模型主要存在以下3个问题:①从静态面部图像中提取的面部非对称特征难以准确表达面部运动的非对称特征;②...     

复杂背景下多姿态人脸图像中的人眼检测

研究了复杂背景下多姿态人脸图像中的人眼检测方法.首先，将得到的图像映射到YCbCr空间，利用肤色在YCbCr颜色空间的分布特性建立肤色模型，分割出肤色并得到人脸的区域；再次，利用人眼的分布特点及自身特性预先设定一系列的规则，通过规则得到可能的人眼区域；最后，设计了人眼模板分布模型，并利用该模型对人眼位置进行最后的确认.实验表明，该方法具有较高的检测速度和检测正确率.     

一种加权的红外图像线性归一化方法

为了减小环境温度对红外人脸图像的影响,提高红外人脸识别系统的鲁棒性,提出了一种加权的红外图像线性归一化方法。首先,通过改进的0-1标准化得到图像中各点随温度变化的权系数,并利用这些权系数对图像进行温度补偿;然后,为了得到更加鲁棒的生物特征,通过血流模型将红外人脸图像转化为血流图;最后,用改进后的归一化相关系数和正确识别率对温度归一化后的图像进行检验。实验结果表明,温度归一化后的红外识别系统具有更高的性能。     

复杂背景下多姿态人脸图像中的人眼检测

研究了复杂背景下多姿态人脸图像中的人眼检测方法．首先，将得到的图像映射到YCbCr空间，利用肤色在YCbCr颜色空间的分布特性建立肤色模型，分割出肤色并得到人脸的区域；再次，利用人眼的分布特点及自身特性预先设定一系列的规则，通过规则得到可能的人眼区域；最后，设计了人眼模板分布模型，并利用该模型对人眼位置进行最后的确认。实验表明，该方法具有较高的检测速度和检测正确率。     

面向面部表情识别的双通道卷积神经网络

面部表情识别是机器感知人类情绪变化的重要途径,但表情识别受不同个体及情绪强弱差异影响较大,难以手动设计准确的特征.提出一种基于双通道卷积神经网络的面部表情识别方法,首先对采集得到的人脸图像进行预处理以限制分析范围,同时分析人脸灰度图像与对应的LBP图像以兼顾全局与细节特征;针对双通道输入数据,利用不同参数的卷积神经网络自动提取面部特征,通过加权融合分类网络进行特征融合,并利用softmax分类不同表情.实验结果表明,该算法能够以较高的准确率识别6种基本面部表情(高兴、悲伤、愤怒、沮丧、恐惧及惊讶).该方法性能优于基于手动设计特征的面部表情识别方法及单通道CNN方法,相比于其他双通道CNN方法,能通过更简单的处理得到近似的识别结果.     

基于分水岭变换的高分辨率遥感图像分割

提出一种基于高分辨率遥感图像的分水岭分割方法。首先,利用Canny算法进行边缘检测,得到边缘梯度图。其次,利用数学形态学对梯度图像进行后处理。然后,根据自动标记分水岭变换方法实现高分辨率遥感图像分割。最后,利用基于信息熵评价方法,对遥感图像的分割结果进行非监督评价。结果表明:所提方法可以有效地抑制遥感图像的过分割现象,并取得较好的分割效果。     

基于激光等离子体实验数据重建三维温度场的方法研究

利用加载窄带滤光片的高速相机拍摄激光等离子体灰度照片,基于Radon逆变换将等离子体面辐射强度图像重建为体辐射强度图像。在局部热力学平衡近似下,利用相对谱线强度法对激光等离子体温度进行了计算,得到激光等离子体三维温度场,采用文献报道光谱法实测等离子体局部温度,与等离子体三维温度场可视化结果进行比较,并对温度空间分布特性进行了解释,结果表明：激光等离子体温度场三维重建是合理的。     

基于多时相多光谱红外图像浅层地下目标探测

浅层地下目标影响周围区域的热物理特性,引起区域表面温度差异随时间变化的现象,对应在红外图像上则导致灰度值差异随时间变化．针对这一问题,本文研究了包含地下目标的区域温度分布的数学模型,揭示了区域温度变化和地下目标的热物理性质与埋藏状况的关系,进行求解得到区域表面温度分布的预测值．利用实际获取的多时相多光谱红外图像反演区域地表温度分布,利用多光谱图像丰富的光谱信息来反演区域表面的多时相温度分布,和预测值进行比对,使区域表面温度分布的探测值和预测值相一致的待求解参数的估计值即为地下目标的探测结果．     

基于分形维数的离线图像分割方法

为了能够提高图像分割的精度,提出了一种基于统计学和分形维数的图像分割方法,能够对自然景物中树木、道路和天空进行分割,并且可以应用于机器人导航的视觉系统.该方法首先通过统计大量的道路和树木和天空的分形维数(LFD),分析三者对应的LFD值分布特点,然后利用该特点对图像进行分割,最后对分割后的图像进行平滑处理,得到分割结果.实验结果表明:利用统计结果进行图像分割能够提高分割速率,而且使用分形维数作为特征能够得到比较精确的分割效果.     

基于范数加权的二维主成分分析提取图像特征

为了能准确地进行图像特征提取,提出一种新的基于Nuclear范数与Frobenius范数加权的二维主成分分析(记为NF-2DPCA)方法。并利用来自于Yalefaces、AR数据库以及ORL人脸数据库中的数据,进行了图像面部识别和重建等相关实验,结果表明所提出的方法能够有效地提取图像特征,并且面部识别准确率最高能达到94.25%,进一步显示所提方法具有一定优越性。     

Self-supervised facial asymmetry learning for automatic evaluation of facial paralysis

Facial paralysis is a kind of facial disease with the functional disorder of the facial expression muscle,and adversely affects the patients’ mental and physical health.The aided diagnosis and evaluation system of facial paralysis based on computer vision can reduce the influence of doctors’ subjective experience on the diagnosis results,and improve the accuracy and efficiency of diagnosis.However,the existing evaluation methods suffer mainly from three drawbacks:① the facial asymmetry features are extracted from the static facial images,which can not represent the asymmetrical features of facial movements;② the shallow machine learning models have their limitations on extracting useful facial features;③ it is difficult for depth models to learn the effective facial features from small-scaled videos of facial paralysis.To solve these problems,we present an automatic facial paralysis evaluation method based on self-supervised facial asymmetry learning (self-SFAL).The key idea behind our method is that the pre-trained 3D-CNNs on the pretext task are transferred to extract the patients’ facial spatiotemporal features for the downstream task of facial paralysis evaluation.With the assistance of the pretext task,the 3D-CNNs can leverage numerous videos without any labels,and can be easily pre-trained to adapt to our facial paralysis evaluation task.Furthermore,inspired by the doctor’s evaluating facial paralysis by focusing on the asymmetry of the facial muscle movements on both the patients’ whole faces and the involved facial regions,our method combines the global and local facial spatiotemporal features for the final facial paralysis evaluation.Experimental results have verified a better performance of the proposed method,with accuracy,Recall and F1 improved.     

动画制作中面部关键点的表情捕捉技术

提出了一种在动画制作领域中的面部表情捕捉方法。该方法仅使用普通彩色摄像头进行视频采集,通过图像处理及模式识别等方法对视频的每一帧图像进行处理,识别图像中演员面部关键点(眉毛、眼睛、嘴巴等)及其物理坐标。通过将这些关键点与已做好的动画角色相关联,从而实时获得演员的面部表情并体现在动画角色中。该方法具有设备简单、实时性高等特点,能够显著提高动画制作的效率。     

复杂背景的人脸检测方法

由于原始的Adaboost方法在复杂图片上检测人脸效果不够理想,所以提出了一种能够处理复杂背景图片的人脸检测方法,即基于肤色的Adaboost检测方法。该方法具有肤色分割的检测率高、适应性强和AdaBoost算法检测速度快等优点。首先,通过人脸肤色的统计特征对图像进行肤色分割,得到候选人脸区域;然后使用经过训练的AdaBoost算法级联分类器对候选人脸区域进行检测,最终得到精确定位的人脸。经过实丐令证明,基于肤色分割的Adaboost人脸检测方法比原始的Adaboost方法在鲁棒性上有了很大提高。     

一种基于肤色特征的人脸特征点定位方法

针对传统人脸特征点定位方法中存在的算法复杂、鲁棒性差以及精确度低等问题,本文提出一种基于肤色特征的人脸特征点自动定位方法.首先对预处理后的图像在多个色彩空间中利用肤色特征实现人脸区域的精确定位;然后,在人脸区域内根据各特征部位的特性构造色度模型函数来标定其特征区域;最后,在特征区域内完成人脸特征点的自动定位.实验结果表明,该算法简单、鲁棒性较高,且能够快速高效地实现人脸特征点定位.     

基于肤色增强和分块PCA的人脸表情识别方法

人脸的表情识别在智能人机交互应用中具有重要意义. 本文提出了一种基于肤色增强和分块PCA的人脸检测及表情识别方法. 首先,使用同态滤波增强肤色图像的亮度范围及对比度,利用YCbCr色彩空间分量分离肤色背景区域,再通过轮廓分析确定人脸目标,最后对分割出的人脸进行均衡化处理,并引入分块主成分分析(PCA)算法进行表情识别. 结果表明,该方法在光线较弱以及背景较复杂的情况下均能有效地进行人脸检测与表情识别,相对于传统的LBP方法可提高识别率约为2.3%.     

一种快速人脸目标检测和跟踪算法

以人脸为运动目标,利用图像的YUV模型和颜色检测算法在小范围内搜索,即时获得人脸的模板图像．在对序列图像进行目标搜索时,将金字塔方法和序贯相似匹配方法相结合,并采用粗精结合的两步匹配算法,获得运动目标的准确轨迹．实验证明,与传统的模板匹配算法相比,该算法的计算量大大降低,较大程度地提高了运动目标检测的速度．     

基于二维线性判别分析的彩色人脸识别

为了提高人脸识别的准确率,提出了一种基于二维线性判别分析的彩色人脸识别算法,直接对彩色人脸图像不同通道的颜色信息进行编码,采用矩阵表示模型描述人脸对象;融合人脸的类别特征,采用二维线性判别分析的算法提取彩色人脸的分类特征;根据投影后的特征矩阵,采用最近邻分类的算法进行人脸识别.利用CVL和CMU PIE彩色人脸数据库进行实验.结果表明,本文提出的彩色人脸识别算法能有效地提高人脸识别的准确率,明显优于对比的算法.     

基于注意力机制与双线性池化的锈蚀等级评估

水工机械装备(如闸门、拦污栅等)长期服役于水域环境,不可避免地会在其结构表面产生锈蚀。对于重要的关键受力结构件,如果不能准确检测其锈蚀的严重程度,导致其维修加固不及时,则会直接威胁受损结构周围人员的生命安全。目前,对水工机械装备锈蚀特征识别主要以人工目视检测为主,容易产生视觉疲劳,主观性较强,锈蚀程度的检测准确率不高。为此,本文提出了以VGG-16网络为基础、融合注意力机制和双线性池化的锈蚀等级评估方法。首先,利用RGB和HSV两种颜色空间中不同分量包含锈蚀图像特征不同的特点,将不同颜色空间作为不同支路网络的输入,使其能够充分利用不同颜色空间的图像特征；其次,在两个支路网络中嵌入注意力机制,通过注意力机制的可训练权重对锈蚀图像的特征进行重标定,调整权重,聚焦于最相关的特征进行学习；再次,采用双线性池化融合不同支路提取的特征,使网络聚焦于最相关的细粒度图像特征,提高网络模型对锈蚀图像细微差异特征的利用；最后,通过设置盐雾锈蚀实验,在获取的锈蚀图像数据集上对本文方法进行消融和对比分析。实验结果表明,相较于原模型及其他主流算法,改进后模型的分类准确率达到了95.30%,精确率、召回率、F1系数等评价指标均有大幅提升,本文方法针对不规则锈蚀图像特征能够取得更好的评估效果,可以转化应用于工程实际。     

基于彩色直方图均衡化的自动白平衡算法研究

针对某些特殊光源下,如拍摄色温低于2500K或高于7000K时,图像偏色较严重的现象,提出了一种基于彩色直方图均衡化的自动白平衡算法。首先采用Roberts算子对图像进行边缘检测,对得到的图像进行直方图均衡化处理;然后选择参考白点区域,计算图像各通道的增益,用得到的增益值进行色温校正;最后,使用Matlab进行了仿真验证,直接观察实验结果。通过对比,提出的白平衡算法在特殊光源下也能进行正确调整,使白平衡能调整的色温范围更广且算法时间复杂度相对较低,可以广泛应用于数字图像产品中。     

基于四元数的彩色图像质量评价方法

提出了一种结合人眼视觉特性与颜色信息的彩色图像质量评价方法.将四元数用于表征彩色图像的结构信息,四元数的3个虚部分别表示彩色图像的三基色分量.为了突出图像的细节信息对图像质量的影响,将彩色图像亮度分量的局部方差作为四元数的实部,从而得到了包含彩色图像结构信息的四元数矩阵.将四元数运算转换为复数运算,求得四元数矩阵的奇异值特征向量,通过计算两奇异值特征向量夹角的大小度量二者所表征的待测图像与参考图像的结构相似程度,从而实现了对待测图像的质量评价.实验结果表明:该方法的评价结果优于传统的MSE,PSNR以及SSIM方法,与人的主观感觉的一致性较好,并且也可以用于评价与参考图像尺寸不相等的待测图像的质量.