基于表情分解-扭曲变形的人工表情合成算法

为了能快速有效地生成任意强度的人脸表情图像，提出了一种鲁棒的可以生成带任意强度表情图像的人工表情合成算法，该算法首先通过施加高阶奇异值分解（HOSVD）来把训练集分解为个人、表情和特征3个子空间，并把它们映射到表情子空间中，用来合成任意人脸正面照片的任意强度、任意表情的图像；在生成图像时，不采用通常所使用的线性组合基图像生成法，而是对源图像进行扭曲变形，这不仅能使训练数据和计算量大为减少，还可以生成任意尺寸、任意背景、任意光照、任意色彩或任意姿势的表情图像，且通过二次插值，还可以得到任意强度的表情图像。实验证明，该算法效率较高，且生成的图像效果很好。     

一种基于RBF网络生成人脸表情的算法

提出了只需确定少量标定点就能高精度实现人脸表情生成的算法。此方法并不直接利用标定点．而是通过自动生成的扭曲控制点来进行2D图像扭曲变形;为了保证精度,最大程度地减少人工输入标定点的数目。根据脸部肌肉的解剖特点和人脸的对称性定义了一个信息冗余很小的脸部特征点集(FCPS);通过径向基函数神经网络(RBF、Network)来确定FCPS的移动与表情变化的映射关系;RBF网络输出的FCPS通过数据映射,自动生成一个矫正的扭曲控制点集;2D径向基函数图像扭曲算法(RBF Warping Algorithm)利用这些扭曲控制点扭曲图像,产生指定的表情,有效地降低了扭曲控制点误差带来的负面影响;为了避免病态数据的影响并减少计算量,训练网络时采用了递推正则最小二乘算法。实验显示,该算法具有良好的实用性。