人臉五官圖像分割與清晰度匹配方法研究
發(fā)布時間:2021-02-08 23:38
隨著機器學習理論的不斷成熟和深度學習技術的迅猛發(fā)展,人臉五官圖像分割任務近年來得到了相關研究人員的普遍關注。五官圖像分割技術可以實現(xiàn)對人臉的細粒度解析,在人臉表情識別、人臉編輯和美容模擬等諸多領域有廣泛的應用空間。然而在實際應用時,人臉五官圖像分割技術尚存有不足之處。比如,目前主流的人臉五官分割技術采用的是深度學習多網(wǎng)絡融合模型,雖然可以獲得高精確度的分割效果,但其龐大的網(wǎng)絡結構往往需要昂貴的設備支持和較大的時間代價,限制了方法的實際應用。此外,在后續(xù)的人臉五官圖像拼接應用中,圖像之間的清晰度不一致問題,也會嚴重影響模擬效果。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鍵點檢測方法進行對比分析,選擇級聯(lián)回歸樹算法進行實現(xiàn),并用海倫人臉數(shù)據(jù)集進行訓練,完成對人臉圖像的194個特征點進行估計。該方法擁有較低的時間損耗和較高的魯棒性。進一步地,根據(jù)人臉關鍵點的相對關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)絡提高五官分割精度,并通過輕量化網(wǎng)絡結構,進一步提升網(wǎng)絡計算性能。對于定位不夠準確的眉毛...
【文章來源】:武漢理工大學湖北省 211工程院校 教育部直屬院校
【文章頁數(shù)】:82 頁
【學位級別】: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
1.3.2 人臉圖像分割技術
1.3.3 超分辨率圖像重建技術
1.3.4 圖像編輯技術
1.4 本文主要研究工作與組織結構
1.4.1 主要研究工作
1.4.2 論文的組織結構
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 相關圖像分割網(wǎng)絡及比較
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
第3章 圖像清晰度匹配方法及應用研究
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 清晰度匹配方法設計
3.2.2 超分辨率網(wǎng)絡對比
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 清晰度評價引導的模糊算法選擇
3.2.6 分類模型的訓練與測試
3.3 基于泊松融合算法的五官替換應用
3.4 本章小結
第4章 實驗結果與分析
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)絡結構優(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用示意及總結
4.4 本章小結
第5章 總結與展望
5.1 全文工作總結
5.2 下一步工作展望
致謝
參考文獻
攻讀碩士學位期間的科研成果
【參考文獻】:
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. 中國空間科學技術. 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. 計算機學報. 2016(07)
[3]無參考圖像質量評價綜述[J]. 王志明. 自動化學報. 2015(06)
[4]融合圖像質量評價指標的相關性分析及性能評估[J]. 張小利,李雄飛,李軍. 自動化學報. 2014(02)
[5]基于圖像功率譜的航空光電平臺自動檢焦設計[J]. 趙志彬,劉晶紅. 光學學報. 2010(12)
[6]一種針對圖像模糊的無參考質量評價指標[J]. 謝小甫,周進,吳欽章. 計算機應用. 2010(04)
[7]基于小波變換和神經(jīng)網(wǎng)絡的數(shù)字圖像清晰度識別算法[J]. 沈國鑫,陳國金,費海波. 機電工程. 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. 電子學報. 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 2017
本文編號:3024680
【文章來源】:武漢理工大學湖北省 211工程院校 教育部直屬院校
【文章頁數(shù)】:82 頁
【學位級別】: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
1.3.2 人臉圖像分割技術
1.3.3 超分辨率圖像重建技術
1.3.4 圖像編輯技術
1.4 本文主要研究工作與組織結構
1.4.1 主要研究工作
1.4.2 論文的組織結構
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 相關圖像分割網(wǎng)絡及比較
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
第3章 圖像清晰度匹配方法及應用研究
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 清晰度匹配方法設計
3.2.2 超分辨率網(wǎng)絡對比
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 清晰度評價引導的模糊算法選擇
3.2.6 分類模型的訓練與測試
3.3 基于泊松融合算法的五官替換應用
3.4 本章小結
第4章 實驗結果與分析
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)絡結構優(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用示意及總結
4.4 本章小結
第5章 總結與展望
5.1 全文工作總結
5.2 下一步工作展望
致謝
參考文獻
攻讀碩士學位期間的科研成果
【參考文獻】:
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. 中國空間科學技術. 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. 計算機學報. 2016(07)
[3]無參考圖像質量評價綜述[J]. 王志明. 自動化學報. 2015(06)
[4]融合圖像質量評價指標的相關性分析及性能評估[J]. 張小利,李雄飛,李軍. 自動化學報. 2014(02)
[5]基于圖像功率譜的航空光電平臺自動檢焦設計[J]. 趙志彬,劉晶紅. 光學學報. 2010(12)
[6]一種針對圖像模糊的無參考質量評價指標[J]. 謝小甫,周進,吳欽章. 計算機應用. 2010(04)
[7]基于小波變換和神經(jīng)網(wǎng)絡的數(shù)字圖像清晰度識別算法[J]. 沈國鑫,陳國金,費海波. 機電工程. 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. 電子學報. 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 2017
本文編號:3024680
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3024680.html
最近更新
教材專著