基于人脸特征和线积分卷积的肖像素描生成

为了更好地模拟素描的笔画和突显肖像素描中五官的部分,提出基于人脸特征和线积分卷积的肖像素描生成方法.首先进行人脸分割,由人脸特征点确定GrabCut算法中每个特征的初始trimap,然后根据分割结果使用线积分卷积算法绘制肖像素描.文中使用了基于分割结果的多分辨率白噪声和方向场,并提出了基于分割结果的自适应性边界提取算法.实验结果表明,该算法改善了肖像素描的生成效果.     

基于双层生成对抗网络的素描人脸合成方法

为解决传统素描人脸合成方法中素描人脸图像细节模糊和清晰度低的问题,提出一种基于双层生成对抗网络的素描人脸合成方法。该方法学习面部照片与素描人脸图像之间的映射关系,并通过双层网络将映射关系限制为一对一映射;利用重建损失函数约束生成网络,提高合成能力;通过生成网络与判别网络的对抗训练,优化网络参数,合成最终素描人脸图像。通过在CUHK素描人脸库上的对比实验,证明该方法合成的素描人脸图像质量明显优于其他传统素描人脸合成方法,其合成的素描人脸图像面部细节更完整,清晰度更高。     

基于特征融合的人脸素描自动生成系统研究

人脸素描作为一门独特的艺术,以其逼真的手法表现人物特征和个性,广泛应用于法律实施、数字娱乐和生活工艺等方面。鉴于其广阔的应用前景,人脸素描自动生成已成为计算机视觉领域的热门话题之一。针对当前人脸素描使用单一图像特征,素描效果不够精细,建立的模型对光照变化比较敏感等问题,提出在使用马尔可夫随机场(MRF)模型和置信度传播算法(BP)基础上进行光照鲁棒性细节技术设计,融合多种主流视觉特征进行人脸素描自动生成。首先,将人脸素描分割成交叠图像块,使用Do G、Dense SIFT、Gray,LBP,gist等特征定义能量函数,建立MRF模型;然后,利用BP算法进行推理,估计测试照片块对应的素描块;最后,对素描块交叠区域进行处理,拼接成一幅完整的人脸素描。实验结果表明,使用Sum-Product置信度传播算法进行推理,对素描块重叠区域用平均法进行拼接,素描合成达到较好视觉效果,且具有较好光照鲁棒性。     

基于GAN的分步合成人脸素描生成算法

人脸素描具有丰富的阴影、纹理和鲜明的脸部特征,广泛应用于人脸识别和生活娱乐等领域.鉴于艺术家对人脸素描的绘制步骤具有一定次序的特点,提出一种模拟艺术家绘制人脸素描步骤的算法.将素描生成过程分为2个阶段:第1阶段利用重建的图像辅助生成素描信息;第2阶段利用第1阶段得到的素描信息辅助合成目标素描图像,达到具有脸部轮廓、头发纹理与五官特征、脸部阴影特征的目的.采用CUHK和CUFS数据集进行大量实验,通过PSNR, SSIM和FIR这3个客观评价指标进行对比,结果表明,所提算法的PSNR比典型算法平均提高了4.7 dB, SSIM平均提升0.08, FID分数平均降低8.3;该算法能够生成效果更好的人脸素描图像.     

基于CycleGAN的人脸素描图像生成

CycleGAN是一种基于生成对抗网络的衍生模型,可以在缺少成对训练图像的条件下实现两个具有不同风格的图像域之间的相互转换.由于收集大量成对的人脸图像和素描图像存在较大的难度,并且针对人脸素描图像生成任务中存在的图像细节模糊和低清晰度的问题,提出一种改进的CycleGAN模型.通过引入基于注意力机制的残差模块,让Cyc...     

图像驱动的三维人脸自动生成与编辑算法

针对图像驱动的三维人脸建模这个计算机图形学中的研究热点问题,提出一种采用三维人脸形变模型的三维人脸自动生成与编辑算法.首先建立三维人脸形变模型,由三维人脸数据库统计学习得到线性混合人脸模型,用一个低维的参数向量来描述一个人脸;然后通过人脸检测、人脸对齐、边缘提取等方法从人脸图像中提取人脸的特征,根据这些特征实现三维人脸形变模型与图像的匹配,重建出与图像对应的三维人脸模型;最后,通过改变参数向量的值实现人脸的编辑.对5个输入人脸照片进行了三维人脸模型重建和编辑并且将重建的人脸模型和真实人脸模型进行了对比,实验结果表明,该算法可实现真实化的人脸重建效果.     

一种基于局部属性生成对抗网络的人脸修复算法

最近对神经网络模型的研究在图像修复任务中显示出巨大的潜力,其核心任务是理解图像语义信息并重建缺失的图像内容.这些研究可以生成语义和内容上合理的结构和纹理,但通常会导致与孔洞周围区域不一致的扭曲结构或模糊纹理,特别是人脸图像修复问题.人脸图像修复工作经常需要为包含大量外观元素以及局部属性的缺失区域(例如眼睛或嘴巴)生成语义上的新内容,这些缺失区域往往具有独特的属性和语义信息从而导致生成内容不合理.为了解决以上问题,提出了一个有效的深度神经网络模型,模型的生成器结合全连接卷积和U-net网络的优越特性,同时提出局部属性辨别器使修复内容具有创新性的同时也能够使整体与局部保持语义一致性.模型不仅提升了对于人脸图像整体语义信息的感知能力,同时也基于局部属性能够有效地修复人脸关键部位,通过在CelebA数据集上的实验证明了该模型能够有效地修复人脸缺失部分并且能够生成新颖的修复内容.     

基于分类与回归混合模型的人脸年龄估计方法

针对现有人脸年龄数据库样本数量少、各年龄段分布不均匀的问题,提出了一种基于分类与回归混合模型的人脸年龄估计方法。该方法主要包含两个方面：特征学习和估计模式。在特征学习方面,利用已有的深度卷积神经网络（CNN）,先在粗糙年龄标注数据集上预训练,再在现有的精确年龄标注数据库上微调,分别得到一个年龄段判别模型和两个年龄估计模型;在估计模式方面,该方法采用由粗到细的策略：首先,将人脸分入青少年、中年、老年和两个重叠区域这五个年龄段;然后,对于青少年和老年采用分类模型估计,对于中年采用回归模型估计,对于重叠区域采用两个模型估计的均值。所提方法在测试集上的平均绝对误差（MAE）为2.56。实验结果表明该方法受不同肤色和性别的影响较小,有较低的误差。     

数据驱动局部特征转换的噪声人脸幻构

针对线性主成分分析方法无法有效揭示非线性人脸图像统计特性的问题,提出一种基于数据驱动局部特征转换的(DLE)人脸幻构。首先,选取与输入图像块最相似的训练样本块;然后,利用基于图像块的特征转换算法对高低分辨率训练样本块间的关系进行建模;最后,利用后处理进程对重建结果进行优化。实验结果表明所提算法对低分辨率图像,尤其是含噪声人脸图像,有更好的主观重建效果,在客观评价指标上比局部约束表示方法提高1.81dB。该算法能有效实现监控人脸图像超分辨率增强。     

基于Lmser-in-Lmser双向网络的人脸素描图像生成方法

人脸素描图像生成问题目的是将人脸照片转换为对应的素描图像,已有方法生成的素描图像或缺乏素描纹理,或需要在额外的大规模数据集上进行预训练.针对上述问题,文中基于Lmser(Least Mean Square Error Reconstruction)构建内外嵌套的深度双向网络,即Lmser-in-Lmser双向网络,用于人脸素描图像的生成.利用Lmser的神经元对偶特性,即编码神经元和解码神经元之间形成双向短路连接,在内部Lmser子网络的编码器和解码器之间通过前向传递不同网络层进行学习,得到多层级特征,增强素描生成的纹理细节.同时建立具有同样结构的网络,反向建立素描映射到照片的模型.外部通过在2个Lmser子网络上施加一致性约束,实现反馈链接,改善素描特征.在基准数据集上的实验表明,文中方法性能较优,并且不需要在额外的数据集上进行预训练,可应用性较强.     

多视角级联回归模型人脸特征点定位

针对人脸姿态偏转较大导致人脸特征点定位精度低的问题，提出了多视角人脸特征点定位算法，采用随机森林局部学习与全局线性回归相结合的级联姿态回归（Cascaded Pose Regression，CPR）人脸特征点定位模型，在不同的人脸姿态视角下建立不同的模型，以多模型代替单一模型来提高人脸特征点定位的精度。首先采用CPR模型对不同视角下的人脸建立不同的模型；然后采用多视角生成模型（Multi-View Generative Model，MVGM）来评估输入人脸图片的姿态；最后根据评估的姿态选择相对应的模型，进而实现特征点的精确定位。仿真实验结果表明，相比于现有的几种人脸特征点定位算法，所提算法实现了更精确的定位效果。     

Lasso整脸形状回归的人脸配准算法

人脸配准是人脸识别、美化和面部表情分析等人脸相关应用的重要组成部分,这些应用通过人脸配准以精准定位人脸五官及面部轮廓特征点.在整脸形状回归的人脸配准框架基础上,使用Lasso回归来解决人脸配准问题,提出基于Lasso的整脸回归人脸配准算法.首先对人脸配准过程中的回归系数施加L1模惩罚,以在不牺牲效果的基础上减少模型大小;然后提出人脸变换比例调整方法,在回归过程中使用人脸变换比例对特征点位置进行调整,用于解决小规模样本条件下不同尺度样本相互干扰的问题.在相关数据集上的实验结果表明,该算法配准精确度高,可以达到实时的速度,且适用于不同姿态下的人脸配准问题.     

基于跨批次存储预训练的素描人脸识别方法

素描人脸识别技术在刑侦领域应用广泛,有助于缩小嫌疑人的搜寻范围。由于素描人脸样本数量不足,导致经典的深度学习模型无法达到理想的识别精度。针对此问题,提出一种基于跨批次预训练的素描人脸识别方法,通过在有限素描人脸数据集进行跨批次预训练的方式缓解训练样本稀缺问题,从而提高人脸识别模型的泛化能力。该方法通过跨批次存储机制缓解GPU存储限制扩大单批次预训练样本数量,从而获得更优的模型初始参数,并在其基础上根据三元组损失进一步优化模型,以提升网络性能。提出的方法在UoM-SGFS素描人脸数据集上的Rank-1识别精度为72.53%,在PRIP-VSGC数据集上Rank-10识别精度为62.47%。相比CDAN、DANN、SSD等方法识别率有显著提高。     

手绘图风格的三维模型线条渲染

现有的三维模型线条渲染方法,由于模型是网格结构,渲染得到线条图由大量的小线段组成,导致图形中有许多明显的棱角和孤立线段.提出了一种新的手绘图风格的三维模型线条渲染方法,将观察到的三维模型转化成简洁、自然的线条图.算法首先采用Suggestive Contours方法得到模型的特征线段集,通过分析线段的空间信息,将小线段连接成若干长线条,并用三次B样条曲线插值这些线条,然后引入B样条小波对线条进行简化.实验结果表明,本文的方法可以很好地连接这些线段集,得到平滑、简洁的手绘风格模型线条图.     

基于ICA和NFL分类的局部人脸识别方法

目前已存在很多基于统计的人脸整体识别方法，独立元分析方法就是一种基于信号高阶统计特性的方法。但由于人脸光照、姿态、信息缺损等外部不可避免因素会引起整个人脸灰度图像产生很大的变化，因而会对这类整体统计性方法的稳定性产生很大影响。为此提出了一种基于独立元分析和最近邻特征线的局部人脸识别方法。首先，通过对人眼的手工定位并依据人脸几何特征完成对人脸图像的截取和局部分块，从而移除发型等无用信息；然后对每个局部图像进行PCA／ICA特征提取；最后的识别阶段，通过最近邻特征线方法得到各自识别距离，并通过对各部分设置合理的权重来综合判定。实验结果表明，作为一种有效的识别方法，分块独立元方法在识别率、识别的稳定性、应用的灵活性等方面都优于传统的整体识别方法。     

LDE融合光谱回归分类的光照变化人脸识别

针对光照变化人脸识别问题中传统的光谱回归算法不能很好地进行特征提取而严重影响识别性能的问题,提出了局部判别嵌入优化光谱回归分类的人脸识别算法。计算出训练样本的特征向量;借助于数据的近邻和分类关系,利用局部判别嵌入算法构建分类问题所需的嵌入,同时学习每种分类的子流形所需的嵌入;利用光谱回归分类算法计算投影矩阵,并利用最近邻分类器完成人脸的识别。在两大人脸数据库扩展YaleB及CMU PIE上的实验验证了该算法的有效性,实验结果表明,相比其他光谱回归算法,该算法取得了更高的识别率、更好的工作特性,并且降低了计算复杂度。     

代价敏感的局部判别嵌入人脸识别算法

局部判别嵌入算法寻求最高的正确识别率时假设所有的错误分类具有相同的错分代价,然而这个假设在现实的人脸识别系统中往往是不成立的,因为不同的错误分类将会导致不同的错分代价.为此,提出一种代价敏感的局部判别嵌入算法.首先通过构造代价矩阵将代价敏感理念融入到特征提取阶段,以提高算法判别不同错误分类的能力;然后最大化异类近邻样本点之间的错分代价,同时最小化同类近邻样本点之间的距离;最后利用迭代算法求得最佳的正交投影向量,以更好地维持数据的度量架构.在Yale,ORL,AR和Extended Yale B人脸数据库上的实验结果表明,文中算法是有效的.     

结合pHash和稀疏编码的素描人脸合成方法

为解决已有素描人脸合成方法存在的细节模糊和清晰度低的问题,提出一种感知哈希算法（Perceptual Hash,pHash）与稀疏编码（Sparse Coding,SC）相结合的素描人脸合成方法。首先根据图像的信息熵对人脸照片-素描对进行自适应分块处理,利用感知哈希算法计算出大图像块的哈希指纹,并对小图像块进行稀疏编码;然后选取与测试照片块最相似的[K]个初始候选照片块,得到与之对应的素描块;最后引入二次稀疏编码方法,合成最终的素描块,进而合成整幅素描人脸图像。利用现有的人脸数据库验证了算法的有效性,该算法经优化后可用于素描人脸合成。