隨著機(jī)器學(xué)習(xí)理論的不斷成熟和深度學(xué)習(xí)技術(shù)的迅猛發(fā)展,人臉五官圖像分割任務(wù)近年來得到了相關(guān)研究人員的普遍關(guān)注。五官圖像分割技術(shù)可以實現(xiàn)對人臉的細(xì)粒度解析,在人臉表情識別、人臉編輯和美容模擬等諸多領(lǐng)域有廣泛的應(yīng)用空間。然而在實際應(yīng)用時,人臉五官圖像分割技術(shù)尚存有不足之處。比如,目前主流的人臉五官分割技術(shù)采用的是深度學(xué)習(xí)多網(wǎng)絡(luò)融合模型,雖然可以獲得高精確度的分割效果,但其龐大的網(wǎng)絡(luò)結(jié)構(gòu)往往需要昂貴的設(shè)備支持和較大的時間代價,限制了方法的實際應(yīng)用。此外,在后續(xù)的人臉五官圖像拼接應(yīng)用中,圖像之間的清晰度不一致問題,也會嚴(yán)重影響模擬效果。針對上述問題,論文主要研究工作如下:（1）基于人臉關(guān)鍵點定位算法提出一種五官粗定位方法。首先對常見的人臉關(guān)鍵點檢測方法進(jìn)行對比分析,選擇級聯(lián)回歸樹算法進(jìn)行實現(xiàn),并用海倫人臉數(shù)據(jù)集進(jìn)行訓(xùn)練,完成對人臉圖像的194個特征點進(jìn)行估計。該方法擁有較低的時間損耗和較高的魯棒性。進(jìn)一步地,根據(jù)人臉關(guān)鍵點的相對關(guān)系提出一種五官粗定位方法,并通過實驗確定合適的參數(shù)。（2）基于U-Net全卷積網(wǎng)絡(luò)提高五官分割精度,并通過輕量化網(wǎng)絡(luò)結(jié)構(gòu),進(jìn)一步提升網(wǎng)絡(luò)計算性能。對于定位不夠準(zhǔn)確的眉毛... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題來源
    1.2 研究背景與意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 人臉特征點識別技術(shù)
        1.3.2 人臉圖像分割技術(shù)
        1.3.3 超分辨率圖像重建技術(shù)
        1.3.4 圖像編輯技術(shù)
    1.4 本文主要研究工作與組織結(jié)構(gòu)
        1.4.1 主要研究工作
        1.4.2 論文的組織結(jié)構(gòu)
第2章 人臉五官圖像分割方法研究
    2.1 人臉特征點定位方法及比較
        2.1.1 人臉特征點定位方法對比
        2.1.2 算法復(fù)現(xiàn)
    2.2 人臉眉毛區(qū)域粗定位方法
        2.2.1 眉毛區(qū)域粗定位方法設(shè)計
        2.2.2 眉毛區(qū)域粗定位參數(shù)選擇
    2.3 局部全卷積分割方法
        2.3.1 相關(guān)圖像分割網(wǎng)絡(luò)及比較
        2.3.2 U-net模型優(yōu)化
        2.3.3 優(yōu)化參數(shù)選擇
    2.4 本章小結(jié)
第3章 圖像清晰度匹配方法及應(yīng)用研究
    3.1 清晰度評價方法
        3.1.1 清晰度評價方法對比
        3.1.2 清晰度評價方法研究與選擇
        3.1.3 圖像間清晰度差值定義
    3.2 清晰度匹配方法
        3.2.1 清晰度匹配方法設(shè)計
        3.2.2 超分辨率網(wǎng)絡(luò)對比
        3.2.3 超分辨模型研究與測試
        3.2.4 模糊算法對比
        3.2.5 清晰度評價引導(dǎo)的模糊算法選擇
        3.2.6 分類模型的訓(xùn)練與測試
    3.3 基于泊松融合算法的五官替換應(yīng)用
    3.4 本章小結(jié)
第4章 實驗結(jié)果與分析
    4.1人臉五官圖像分割實驗
        4.1.1 五官區(qū)域粗定位實驗
        4.1.2 U-Net網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化實驗
        4.1.3 五官圖像分割方法整體對比實驗
    4.2 人臉五官圖像替換實驗
        4.2.1 清晰度匹配實驗
        4.2.2 圖像拼接性能測試
    4.3 人臉五官圖像拼接應(yīng)用示意及總結(jié)
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 下一步工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]一種新的遙感影像清晰度評價方法[J]. 譚偉,楊秉新,何紅艷.  中國空間科學(xué)技術(shù). 2016(02)
[2]人臉特征點提取方法綜述[J]. 李月龍,靳彥,汪劍鳴,肖志濤,耿磊.  計算機(jī)學(xué)報. 2016(07)
[3]無參考圖像質(zhì)量評價綜述[J]. 王志明.  自動化學(xué)報. 2015(06)
[4]融合圖像質(zhì)量評價指標(biāo)的相關(guān)性分析及性能評估[J]. 張小利,李雄飛,李軍.  自動化學(xué)報. 2014(02)
[5]基于圖像功率譜的航空光電平臺自動檢焦設(shè)計[J]. 趙志彬,劉晶紅.  光學(xué)學(xué)報. 2010(12)
[6]一種針對圖像模糊的無參考質(zhì)量評價指標(biāo)[J]. 謝小甫,周進(jìn),吳欽章.  計算機(jī)應(yīng)用. 2010(04)
[7]基于小波變換和神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像清晰度識別算法[J]. 沈國鑫,陳國金,費(fèi)海波.  機(jī)電工程. 2008(04)
[8]小波域中的雙邊濾波[J]. 蔡超,丁明躍,周成平,張?zhí)煨?  電子學(xué)報. 2004(01)
[9]人臉自動識別方法綜述[J]. 周杰,盧春雨,張長水,李衍達(dá).  電子學(xué)報. 2000(04)

碩士論文
[1]基于卷積特征的人臉特征點定位研究[D]. 李慧芳.北京交通大學(xué) 2017



本文編號：3024680