本文選題：眼鏡去除 + 眼鏡檢測��； 參考：《河北大學》2017年碩士論文

【摘要】：隨著計算機和互聯(lián)網(wǎng)技術的迅速發(fā)展,人臉識別技術受到越來越多研究者的關注。雖然近些年人臉識別技術方面的研究取得了一定的成就,但是仍然受到面部表情、姿態(tài)、位置、頭部尺寸的變化和遮擋物等因素的限制,其中眼鏡作為最常見的遮擋物,會給人臉的后續(xù)處理和識別過程帶來很大的影響,尤其是結(jié)構特點明顯的深色眼鏡框和與膚色差異較大的“白”色眼鏡框。因此,本文主要針對研究意義重大的人臉圖像中的眼鏡去除進行了研究,本文主要的工作內(nèi)容如下所示:1.眼鏡遮擋區(qū)域檢測是眼鏡去除的前提,本文通過半閾值和最小方差濾波的閾值分割判斷是否有眼鏡并獲得眼鏡的遮擋區(qū)域。首先用橢圓形及其內(nèi)部區(qū)域代替眼睛來減少其對檢測的影響;然后用半閾值分割去掉包含眼睛在內(nèi)的部分區(qū)域,得到包含眼鏡在內(nèi)的顯著區(qū)域;鑒于眼鏡形狀的特殊性,為了去除眼鏡周圍細微的影響從而精確地得到眼鏡遮擋區(qū)域,采用多個濾波模板的最小方差的閾值分割,最后得到了眼鏡遮擋區(qū)域。該方法可以較好的去除眼鏡外的其他干擾和噪聲。2.眼鏡遮擋區(qū)域相對于人臉圖像屬于較大的區(qū)域,而基于樣本塊的修復算法可以針對待修復區(qū)域較大的圖像,所以本文在Criminisi算法的基礎上進行改進并用于眼鏡去除。首先在優(yōu)先權中加入與眼睛距離相關的一項,然后根據(jù)眼鏡遮擋區(qū)域檢測的中間過程將最佳匹配塊的搜索范圍減小。該改進方法比單純的Criminisi算法修復得到的眼鏡去除效果更好,減少了眼鏡留下的痕跡,提高了人臉識別率。3.由于同一人臉圖像中距離較近的皮膚區(qū)域差異較小,補償域之間的距離越小補償效果越好,因此,本文提出最小距離搜索的扇形線性插值補償法去除眼鏡。首先在眼鏡檢測的基礎上得到初始補償域;然后為了減少眼鏡形狀和噪聲的影響對補償域進行適當?shù)恼{(diào)整;接下來根據(jù)最小距離原則尋找最佳匹配補償域;最后根據(jù)最佳匹配補償域使用扇形線性插值補償?shù)姆椒ǖ玫饺コ坨R后的人臉圖像,其中對最佳匹配補償域的快速尋找和扇形區(qū)域大小的確定進行了說明。該方法易于實現(xiàn),眼鏡去除視覺效果好,提高了人臉識別率。
[Abstract]:With the rapid development of computer and Internet technology, face recognition technology has attracted more and more attention.Although some achievements have been made in face recognition technology in recent years, it is still limited by facial expression, posture, position, head size change and occlusion, among which glasses are the most common occlusion.It will bring great influence to the subsequent processing and recognition process of human face, especially the dark glasses frame which has obvious structure characteristics and the "white" glasses frame which is quite different from the skin color.Therefore, this paper mainly focuses on the study of the significant face image glasses removal, the main work of this paper is as follows: 1.The detection of glasses occlusion region is the premise of the removal of glasses. In this paper, the threshold segmentation of semi-threshold and minimum variance filter is used to determine whether there are glasses and to obtain the occlusion area of glasses.First, the ellipse and its inner region are used instead of the eye to reduce the impact on the detection; then the semi-threshold is used to segment the area that contains the eye to get the prominent area, which includes the spectacles; because of the special shape of the glasses,In order to remove the subtle influence around the glasses and get the spectacle occlusion area accurately, the minimum variance threshold segmentation of multiple filter templates is used, and finally the spectacle occlusion region is obtained.This method can remove other interference and noise. 2.Compared with the face image, the spectacle occlusion region belongs to the larger region, and the restoration algorithm based on the sample block can be used for the large image to be repaired, so this paper improves on the Criminisi algorithm and applies it to the spectacle removal.First, an item related to eye distance is added to the priority, and then the search range of the best matching block is reduced according to the intermediate process of eyeglass occlusion region detection.The improved method is better than the simple Criminisi algorithm in removing the glasses, reducing the marks left by the glasses, and increasing the face recognition rate. 3.Because the difference of skin region in the same face image is small, the smaller the distance between the compensation regions, the better the compensation effect is. Therefore, a sector linear interpolation compensation method based on minimum distance search is proposed in this paper to remove the glasses.First, the initial compensation region is obtained on the basis of eyeglass detection; then the compensation domain is adjusted appropriately to reduce the influence of glasses shape and noise; then, the optimal matching compensation region is found according to the principle of minimum distance.Finally, according to the method of sector linear interpolation compensation in the optimal matching compensation domain, the face image after removing glasses is obtained. The fast search of the optimal matching compensation domain and the determination of the size of the sector region are explained.This method is easy to realize, and the visual effect of glasses removal is good, and the face recognition rate is improved.
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前10條

1 李紅梅;;我國近視人口4.5億[J];中學生閱讀(初中版);2015年16期

2 李愛菊;鈕文良;;基于改進Criminisi算法的圖像修復[J];計算機工程與應用;2014年18期

3 張弘;范九倫;;基于最小方差濾波的相對熵閾值分割方法[J];計算機科學;2012年07期

4 林玲;;基于部分遮擋人臉識別算法的研究[J];計算機仿真;2012年01期

5 林慶;馬偉陽;單平平;詹永照;梁軍;;眼鏡遮擋下的正面人臉識別[J];計算機科學;2011年08期

6 張云哲;趙海;宋純賀;景巍;;一種新的連通區(qū)域標記算法[J];計算機應用研究;2010年11期

7 李永艷;付志兵;;一種改進的雙線性插值圖像放大算法[J];無線電工程;2010年03期

8 馮杰飛;韓慧健;;基于非均勻B樣條插值算法的圖像放大[J];計算機應用;2010年01期

9 吳巾一;周德龍;;人臉識別方法綜述[J];計算機應用研究;2009年09期

10 張勇忠;劉富;孫令明;唐超;;基于對稱變換的瞳孔定位方法[J];吉林大學學報(信息科學版);2009年03期

相關博士學位論文 前3條

1 金一;人臉識別中的若干算法研究[D];北京交通大學;2009年

2 潘可;基于部分的人臉識別方法研究[D];中國科學技術大學;2009年

3 徐勇;幾種線性與非線性特征抽取方法及人臉識別應用[D];南京理工大學;2004年

相關碩士學位論文 前10條

1 李冬梅;基于圖像分割的遮擋人臉識別研究[D];中南民族大學;2015年

2 趙勇;正面人臉識別中眼鏡摘除問題的研究[D];蘭州理工大學;2014年

3 張絢;數(shù)字圖像修復技術的研究及其應用[D];山東大學;2014年

4 曾衛(wèi)波;基于分解的快速圖像修復研究[D];重慶大學;2014年

5 胡國靖;人臉識別中圖像預處理與匹配方法研究[D];南京理工大學;2014年

6 常晨;數(shù)字圖像修復技術及其在圖像壓縮中的應用[D];山東大學;2013年

7 趙合勝;基于樣本紋理合成的數(shù)字圖像修復技術研究[D];湖南大學;2012年

8 宋秀敏;圖像修補技術研究[D];山東大學;2012年

9 趙曉輝;基于改進的分塊LBP人臉識別算法研究[D];昆明理工大學;2012年

10 劉莉;基于局部Gabor二值模式的戴眼鏡人臉識別算法研究[D];北京工業(yè)大學;2010年

，

本文編號：1759258