基于认知逻辑的个性化人脸图像合成研究

发布时间：2017-08-09 01:06

  本文关键词：基于认知逻辑的个性化人脸图像合成研究

  更多相关文章： 认知逻辑 个性化人脸图像合成 光照补偿 人机结合 信念修正

【摘要】：个性化人脸图像合成在公安刑侦、影视制作、娱乐、教育等领域有着十分广泛的应用,受到不少研究者的关注。但以往对个性化人脸图像合成的研究仅仅局限于计算机领域的专家和研究者中,甚少有跨领域的合作研究,而人脸具有非刚性、类间相似性和易受干扰等特点,从纯计算机技术角度来解决个性化人脸图像合成问题是相当困难的,目前对个性化人脸图像合成的研究尚处于初级阶段,成熟的应用很少。 认知科学的出现为计算机、哲学、心理学等学科的融合提供了一个平台,也为解决个性化人脸图像合成问题提供了一些新的方向。如何将认知等主观的内容融合进计算机系统的设计,如何使用哲学的思辨思想来改进计算机程序,这在未来的相当长一段时间内都将是一个值得深入研究的课题。本文从个性化人脸图像合成这个应用入手,尝试使用认知逻辑来指引计算机系统的设计,将认知逻辑的思想贯穿在程序设计之中,从而跳出目前个性化人脸图像合成研究的困境。 本文在对个性化人脸图像合成涉及到的各个环节进行认知的考量的基础上,提出了一种基于认知逻辑的个性化人脸图像合成方法,实现了不同年龄段中不同胖瘦、不同生活水平下的个性化人脸图像的定制。在对人识别人脸光照的过程和人识别不同年龄人脸的过程进行形式化的基础上,设计出对称区块光照补偿算法和基于年龄的灰度调整算法；在对主动形状模型算法的不足进行认知分析的基础上对该算法进行了改进；在对基于特征线对的图像变形算法的缺点进行认知逻辑角度的分析之后,提出对特征线对选取的改进意见,并对算法中的三个参数进行了认知角度的诠释,使其更易被人接受；在对基于多分辨率分析的图像合成算法的不足进行认知分析的基础上,提出改进算法,并增加发型替换部分；在系统的设计中,把“人机结合,以人为主”的思想贯彻在设计中,通过人机交互的方式融合了专家智慧和机器智能,以专家的信念来修正机器的信念,从而构建人机协同工作的环境。实验结果表明,该方法能有效进行个性化人脸图像合成,结果比较逼真,不同定制条件下的合成图像具有较大的区分度。 本文的主要工作和创新点如下： 1、在对现有的光照归一化方法从认知的角度进行分析的基础上,提出了基于对称区块的人脸光照补偿算法和基于年龄的灰度调整算法,完善了人脸图像的灰度归一化方法。现有的光照补偿算法主要是从图像整体出发来开展研究,这种以图像整体的光照为基础的方法与人类的认知规律不相吻合。为了更好地开展人脸图像的预处理,在对人脸图像灰度归一化方法进行认知思考的基础上,根据人认知人脸的普遍规律,对人认知人脸光照的过程进行了形式化,之后使用对称区块的背景光对光照较暗一侧的对称区域进行光照补偿,取得了较好的实际效果。此外,通过对不同年龄段人脸的肤色特征进行研究,总结出了不同年龄段人脸的肤色变化规律,并在形式化的基础上将之用于灰度调整算法的设计,调整之后的人脸图像在肤色方面具备一定的年龄特征,为后续的程序提供了良好的基础数据。 2、对目前广泛使用的人脸特征点提取方法进行了梳理,从认知逻辑的角度对最常使用的ASM算法进行了重新审视,分析了ASM算法的不足及其内在的原因,并对ASM算法进行了改进。目前人脸特征点定位主要使用基于几何特征、统计特征、频率域特征以及多种特征融合的特征提取技术,而ASM算法是目前广泛使用的特征点定位的经典算法之一,具有比较好的精确性和鲁棒性。但由于ASM算法对于初始状态十分敏感,并且搜索是以全局收缩为结束条件。为了解决这个问题,根据人认知人脸的规律,引入了特征点定位微调机制,使用专家智慧对ASM算法的定位结果进行最后确认,从而在一定程度上修正ASM算法的偏差。同时为了更符合个性化人脸图像合成的要求,在FG-NET数据库原有68个特征点的基础上,增加表征发型和发际线的22个特征点,使样本图像的特征点更符合实际应用的需要。 3、介绍了目前主流的图像变形技术,并对其优缺点进行分析和对比,针对个性化人脸图像合成这个具体应用,采用了基于特征线对的图像变形技术,在对该技术从认知逻辑的角度进行考虑的基础上,对基于特征线对的人脸轮廓变形算法进行了改进。基于特征线对的图像变形算法其核心在于特征线对的设置,选取的特征线对的好坏决定了变形的效果,针对人脸图像的特点和人的认知特点,提出了非均匀特征线对选取方法,将特征线对向眼睛、嘴唇等重点部位倾斜,从而改进了基于特征线对的图像变形算法的效果。对该算法中关键的三个参数从认知的角度进行了分析,对其取值的认知意义进行了明确,并进行了实验验证。 4、介绍了小波变换的基础知识,并对基于多分辨率分析的图像合成的不足进行了认知逻辑上的分析,在此基础上提出了基于认知逻辑的人脸年龄特征合成方法。针对直接替换重构方法中年龄特征不明显的问题,提出将样本图像的低频部分经过巴特沃斯高通滤波之后叠加到测试图像的低频部分的方法,提升了年龄特征移植的效果。针对发型和发际线会对人脸年龄观感产生很大影响这一现象,设计了发型替换算法,将样本图像的发型和额头部分直接替换到测试图像上,极大提升了合成图像的逼真程度。 5、将“人机结合,以人为主”的思想融入到系统的设计中,使用专家的信念对计算机的计算结果,即计算机的“信念”进行修正,从而对计算机的计算结果进行干预,开发出人机结合的个性化人脸图像合成系统。在设计中,通过专家与计算机的协同,将专家的智慧与计算机速度快、容量大的特点有机地结合起来,发挥出他们各自的优势,将计算机从不擅长的形象思维中解放出来,将其定位为一个“超级秘书”,辅助专家进行工作。使用专家信念对ASM算法定位不精确、年龄估计偏差大的问题进行修正,同时通过专家评估来确定程序是否结束,这些人机交互环节的引入使得系统效率更高、效果更好。 最后,对论文进行了总结,就设计中存在的三个方面的问题进行了分析,并提出了未来进一步研究的方向。
【关键词】：认知逻辑 个性化人脸图像合成 光照补偿 人机结合 信念修正
【学位授予单位】：西南大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TP391.41;B812
【目录】：

• 摘要6-9
• Abstract9-12
• 图目录12-14
• 表目录14-15
• 第1章 绪论15-27
• 1.1 研究背景15-18
• 1.1.1 研究的动机与意义15-17
• 1.1.2 存在的难点与问题17-18
• 1.2 国内外研究现状18-23
• 1.2.1 认知逻辑的研究现状18-19
• 1.2.2 认知计算的研究现状19-21
• 1.2.3 个性化人脸图像合成的研究现状21-23
• 1.3 本文的主要研究工作23-24
• 1.4 论文的组织结构24-27
• 第2章 基于认知逻辑的人脸图像预处理27-41
• 2.1 引言27
• 2.2 人脸图像的几何归一化27-28
• 2.3 人脸图像的灰度归一化方法的现状与趋势28-34
• 2.3.1 统计学习的方法29
• 2.3.2 人脸建模法29-31
• 2.3.3 光照补偿法31-33
• 2.3.4 不变特征提取法33-34
• 2.4 人脸图像灰度归一化方法的认知思考34-35
• 2.5 基于认知逻辑的区块光照补偿算法35-38
• 2.5.1 人脸光照补偿算法的认知逻辑基础35-36
• 2.5.2 人脸光照补偿算法的步骤36-38
• 2.6 基于认知逻辑的灰度调整算法38-40
• 2.6.1 人脸灰度调整算法的认知逻辑基础38
• 2.6.2 人脸灰度调整算法38-40
• 2.7 本章小结40-41
• 第3章 人脸特征提取41-53
• 3.1 引言41
• 3.2 人脸特征提取技术综述41-48
• 3.2.1 基于人脸几何特征的特征提取技术41-42
• 3.2.2 基于人脸统计特征的特征提取技术42-44
• 3.2.3 基于人脸频率域特征的特征提取技术44-47
• 3.2.4 基于多种特征融合的特征提取技术47-48
• 3.3 主动形状模型(ASM)算法及其认知思考48-49
• 3.4 ASM算法的改进49-51
• 3.4.1 人脸特征点选取49-50
• 3.4.2 人脸特征点定位微调机制50-51
• 3.5 本章小结51-53
• 第4章 人脸轮廓变形53-61
• 4.1 引言53
• 4.2 图像变形技术53-57
• 4.2.1 基于网格的人脸图像变形54-55
• 4.2.2 基于特征线对的人脸图像变形55
• 4.2.3 基于特征点的人脸图像变形55-56
• 4.2.4 不同图像变形技术的对比56-57
• 4.3 基于特征线对的人脸轮廓变形算法及其认知思考57-58
• 4.4 基于特征线对的人脸轮廓变形算法的改进58-60
• 4.5 本章小结60-61
• 第5章 人脸年龄特征合成61-69
• 5.1 引言61
• 5.2 人脸合成的研究现状61-62
• 5.3 小波变换及图像的多分辨率分析62
• 5.4 基于多分辨率分析的图像合成方法的不足及认知思考62-63
• 5.5 人脸年龄特征合成方法的改进63-66
• 5.5.1 人脸年龄特征的融合63-65
• 5.5.2 发型特征的融合65-66
• 5.6 本章小结66-69
• 第6章 基于认知逻辑的个性化人脸图像合成69-87
• 6.1 引言69
• 6.2 开放的复杂巨系统与综合集成研讨厅体系69-72
• 6.2.1 开放的复杂巨系统69-70
• 6.2.2 综合集成方法与综合集成研讨厅体系70-71
• 6.2.3 个性化人脸图像合成问题可视为开放的复杂巨系统问题71-72
• 6.3 基于认知逻辑的个性化人脸图像合成系统的设计72-82
• 6.3.1 系统的人机交互73-75
• 6.3.2 年龄估计75-78
• 6.3.3 个性化轮廓生成78-81
• 6.3.4 样本图像选择81-82
• 6.4 实验结果及分析82-86
• 6.5 本章小结86-87
• 第7章 总结与展望87-91
• 7.1 本文的工作总结87-88
• 7.2 未来工作的展望88-91
• 参考文献91-109
• 附录A：人脸图像的几何归一化109-115
• 附录B：ASM算法原理115-121
• 附录C：基于特征线对的人脸图像变形算法121-123
• 附录D：小波变换及图像的分解与重构123-131
• 读博期间发表的论文131-133
• 致谢133

【共引文献】

中国期刊全文数据库 前3条

1 马俐欣;;大数据背景下的影视文学创作——以“于正”现象为例[J];常州工学院学报(社科版);2015年01期

2 李国芳;王力;;基于改进Gamma和改进BP算法的人脸识别研究[J];微型机与应用;2015年04期

3 夏凯;;基于改进的SUSAN算法的火焰图像边缘检测研究[J];现代电子技术;2015年05期

中国博士学位论文全文数据库 前1条

1 胡汉平;双目立体测距关键技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2014年

，

本文编号：642812