基于人脸画像的伪照片合成及修正

提出一种基于人脸画像的伪照片合成及修正方法,该方法包括人脸伪照片的合成、增强以及局部修正3个部分。首先,应用局部本征变换(LET)方法合成人脸伪照片的初始估计。然后,提取人脸画像的边缘和纹理信息对人脸伪照片进行增强以改善合成结果的视觉效果。最后,通过移动最小二乘法对伪照片局部合成错误进行修正。在CUHK student人脸画像库上进行了实验,对转换结果与真实人脸照片进行了比较。结果表明:提出的方法可以有效地合成人脸伪照片,对人脸伪照片能够进行有效增强和修正,且在修正局部合成错误的同时能够保证整体相似度不会下降。由于本文的方法只涉及到局部区域的变形,所以不需要依靠神经网络来预测输出结果中控制点的目标位置,从而降低了计算的复杂度。     

基于奇异值分解的人脸识别方法

提出了一种将傅里叶变换和奇异值分解相结合的人脸自动识别方法.首先对人脸图像进行傅里叶变换,得到其具有位移不变特性的振幅谱表征.其次,从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解,求出标准特征矩阵,再将人脸的振幅谱表征投影到标准特征矩阵后得到的投影系数作为该人脸的模式特征.然后,对经典的最近邻分类器算法进行了改进,并采用模式特征之间的欧式距离作为相似性度量,从而完成对未知人脸的识别.采用ORL(Olivetti Research Laboratory)人脸库对本文提出的人脸识别方法进行验证,获得了100.00%的识别率.实验结果表明,本方法优于现有的基于奇异值分解的人脸识别方法,且对表情、姿态变换等具有一定的鲁棒性.