本文關(guān)鍵詞：基于認知邏輯的個性化人臉圖像合成研究

  更多相關(guān)文章： 認知邏輯 個性化人臉圖像合成 光照補償 人機結(jié)合 信念修正

【摘要】：個性化人臉圖像合成在公安刑偵、影視制作、娛樂、教育等領(lǐng)域有著十分廣泛的應(yīng)用,受到不少研究者的關(guān)注。但以往對個性化人臉圖像合成的研究僅僅局限于計算機領(lǐng)域的專家和研究者中,甚少有跨領(lǐng)域的合作研究,而人臉具有非剛性、類間相似性和易受干擾等特點,從純計算機技術(shù)角度來解決個性化人臉圖像合成問題是相當(dāng)困難的,目前對個性化人臉圖像合成的研究尚處于初級階段,成熟的應(yīng)用很少。 認知科學(xué)的出現(xiàn)為計算機、哲學(xué)、心理學(xué)等學(xué)科的融合提供了一個平臺,也為解決個性化人臉圖像合成問題提供了一些新的方向。如何將認知等主觀的內(nèi)容融合進計算機系統(tǒng)的設(shè)計,如何使用哲學(xué)的思辨思想來改進計算機程序,這在未來的相當(dāng)長一段時間內(nèi)都將是一個值得深入研究的課題。本文從個性化人臉圖像合成這個應(yīng)用入手,嘗試使用認知邏輯來指引計算機系統(tǒng)的設(shè)計,將認知邏輯的思想貫穿在程序設(shè)計之中,從而跳出目前個性化人臉圖像合成研究的困境。 本文在對個性化人臉圖像合成涉及到的各個環(huán)節(jié)進行認知的考量的基礎(chǔ)上,提出了一種基于認知邏輯的個性化人臉圖像合成方法,實現(xiàn)了不同年齡段中不同胖瘦、不同生活水平下的個性化人臉圖像的定制。在對人識別人臉光照的過程和人識別不同年齡人臉的過程進行形式化的基礎(chǔ)上,設(shè)計出對稱區(qū)塊光照補償算法和基于年齡的灰度調(diào)整算法；在對主動形狀模型算法的不足進行認知分析的基礎(chǔ)上對該算法進行了改進；在對基于特征線對的圖像變形算法的缺點進行認知邏輯角度的分析之后,提出對特征線對選取的改進意見,并對算法中的三個參數(shù)進行了認知角度的詮釋,使其更易被人接受；在對基于多分辨率分析的圖像合成算法的不足進行認知分析的基礎(chǔ)上,提出改進算法,并增加發(fā)型替換部分；在系統(tǒng)的設(shè)計中,把“人機結(jié)合,以人為主”的思想貫徹在設(shè)計中,通過人機交互的方式融合了專家智慧和機器智能,以專家的信念來修正機器的信念,從而構(gòu)建人機協(xié)同工作的環(huán)境。實驗結(jié)果表明,該方法能有效進行個性化人臉圖像合成,結(jié)果比較逼真,不同定制條件下的合成圖像具有較大的區(qū)分度。 本文的主要工作和創(chuàng)新點如下： 1、在對現(xiàn)有的光照歸一化方法從認知的角度進行分析的基礎(chǔ)上,提出了基于對稱區(qū)塊的人臉光照補償算法和基于年齡的灰度調(diào)整算法,完善了人臉圖像的灰度歸一化方法�，F(xiàn)有的光照補償算法主要是從圖像整體出發(fā)來開展研究,這種以圖像整體的光照為基礎(chǔ)的方法與人類的認知規(guī)律不相吻合。為了更好地開展人臉圖像的預(yù)處理,在對人臉圖像灰度歸一化方法進行認知思考的基礎(chǔ)上,根據(jù)人認知人臉的普遍規(guī)律,對人認知人臉光照的過程進行了形式化,之后使用對稱區(qū)塊的背景光對光照較暗一側(cè)的對稱區(qū)域進行光照補償,取得了較好的實際效果。此外,通過對不同年齡段人臉的膚色特征進行研究,總結(jié)出了不同年齡段人臉的膚色變化規(guī)律,并在形式化的基礎(chǔ)上將之用于灰度調(diào)整算法的設(shè)計,調(diào)整之后的人臉圖像在膚色方面具備一定的年齡特征,為后續(xù)的程序提供了良好的基礎(chǔ)數(shù)據(jù)。 2、對目前廣泛使用的人臉特征點提取方法進行了梳理,從認知邏輯的角度對最常使用的ASM算法進行了重新審視,分析了ASM算法的不足及其內(nèi)在的原因,并對ASM算法進行了改進。目前人臉特征點定位主要使用基于幾何特征、統(tǒng)計特征、頻率域特征以及多種特征融合的特征提取技術(shù),而ASM算法是目前廣泛使用的特征點定位的經(jīng)典算法之一,具有比較好的精確性和魯棒性。但由于ASM算法對于初始狀態(tài)十分敏感,并且搜索是以全局收縮為結(jié)束條件。為了解決這個問題,根據(jù)人認知人臉的規(guī)律,引入了特征點定位微調(diào)機制,使用專家智慧對ASM算法的定位結(jié)果進行最后確認,從而在一定程度上修正ASM算法的偏差。同時為了更符合個性化人臉圖像合成的要求,在FG-NET數(shù)據(jù)庫原有68個特征點的基礎(chǔ)上,增加表征發(fā)型和發(fā)際線的22個特征點,使樣本圖像的特征點更符合實際應(yīng)用的需要。 3、介紹了目前主流的圖像變形技術(shù),并對其優(yōu)缺點進行分析和對比,針對個性化人臉圖像合成這個具體應(yīng)用,采用了基于特征線對的圖像變形技術(shù),在對該技術(shù)從認知邏輯的角度進行考慮的基礎(chǔ)上,對基于特征線對的人臉輪廓變形算法進行了改進�；谔卣骶�對的圖像變形算法其核心在于特征線對的設(shè)置,選取的特征線對的好壞決定了變形的效果,針對人臉圖像的特點和人的認知特點,提出了非均勻特征線對選取方法,將特征線對向眼睛、嘴唇等重點部位傾斜,從而改進了基于特征線對的圖像變形算法的效果。對該算法中關(guān)鍵的三個參數(shù)從認知的角度進行了分析,對其取值的認知意義進行了明確,并進行了實驗驗證。 4、介紹了小波變換的基礎(chǔ)知識,并對基于多分辨率分析的圖像合成的不足進行了認知邏輯上的分析,在此基礎(chǔ)上提出了基于認知邏輯的人臉年齡特征合成方法。針對直接替換重構(gòu)方法中年齡特征不明顯的問題,提出將樣本圖像的低頻部分經(jīng)過巴特沃斯高通濾波之后疊加到測試圖像的低頻部分的方法,提升了年齡特征移植的效果。針對發(fā)型和發(fā)際線會對人臉年齡觀感產(chǎn)生很大影響這一現(xiàn)象,設(shè)計了發(fā)型替換算法,將樣本圖像的發(fā)型和額頭部分直接替換到測試圖像上,極大提升了合成圖像的逼真程度。 5、將“人機結(jié)合,以人為主”的思想融入到系統(tǒng)的設(shè)計中,使用專家的信念對計算機的計算結(jié)果,即計算機的“信念”進行修正,從而對計算機的計算結(jié)果進行干預(yù),開發(fā)出人機結(jié)合的個性化人臉圖像合成系統(tǒng)。在設(shè)計中,通過專家與計算機的協(xié)同,將專家的智慧與計算機速度快、容量大的特點有機地結(jié)合起來,發(fā)揮出他們各自的優(yōu)勢,將計算機從不擅長的形象思維中解放出來,將其定位為一個“超級秘書”,輔助專家進行工作。使用專家信念對ASM算法定位不精確、年齡估計偏差大的問題進行修正,同時通過專家評估來確定程序是否結(jié)束,這些人機交互環(huán)節(jié)的引入使得系統(tǒng)效率更高、效果更好。 最后,對論文進行了總結(jié),就設(shè)計中存在的三個方面的問題進行了分析,并提出了未來進一步研究的方向。
【關(guān)鍵詞】：認知邏輯 個性化人臉圖像合成 光照補償 人機結(jié)合 信念修正
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TP391.41;B812
【目錄】：

• 摘要6-9
• Abstract9-12
• 圖目錄12-14
• 表目錄14-15
• 第1章 緒論15-27
• 1.1 研究背景15-18
• 1.1.1 研究的動機與意義15-17
• 1.1.2 存在的難點與問題17-18
• 1.2 國內(nèi)外研究現(xiàn)狀18-23
• 1.2.1 認知邏輯的研究現(xiàn)狀18-19
• 1.2.2 認知計算的研究現(xiàn)狀19-21
• 1.2.3 個性化人臉圖像合成的研究現(xiàn)狀21-23
• 1.3 本文的主要研究工作23-24
• 1.4 論文的組織結(jié)構(gòu)24-27
• 第2章 基于認知邏輯的人臉圖像預(yù)處理27-41
• 2.1 引言27
• 2.2 人臉圖像的幾何歸一化27-28
• 2.3 人臉圖像的灰度歸一化方法的現(xiàn)狀與趨勢28-34
• 2.3.1 統(tǒng)計學(xué)習(xí)的方法29
• 2.3.2 人臉建模法29-31
• 2.3.3 光照補償法31-33
• 2.3.4 不變特征提取法33-34
• 2.4 人臉圖像灰度歸一化方法的認知思考34-35
• 2.5 基于認知邏輯的區(qū)塊光照補償算法35-38
• 2.5.1 人臉光照補償算法的認知邏輯基礎(chǔ)35-36
• 2.5.2 人臉光照補償算法的步驟36-38
• 2.6 基于認知邏輯的灰度調(diào)整算法38-40
• 2.6.1 人臉灰度調(diào)整算法的認知邏輯基礎(chǔ)38
• 2.6.2 人臉灰度調(diào)整算法38-40
• 2.7 本章小結(jié)40-41
• 第3章 人臉特征提取41-53
• 3.1 引言41
• 3.2 人臉特征提取技術(shù)綜述41-48
• 3.2.1 基于人臉幾何特征的特征提取技術(shù)41-42
• 3.2.2 基于人臉統(tǒng)計特征的特征提取技術(shù)42-44
• 3.2.3 基于人臉頻率域特征的特征提取技術(shù)44-47
• 3.2.4 基于多種特征融合的特征提取技術(shù)47-48
• 3.3 主動形狀模型(ASM)算法及其認知思考48-49
• 3.4 ASM算法的改進49-51
• 3.4.1 人臉特征點選取49-50
• 3.4.2 人臉特征點定位微調(diào)機制50-51
• 3.5 本章小結(jié)51-53
• 第4章 人臉輪廓變形53-61
• 4.1 引言53
• 4.2 圖像變形技術(shù)53-57
• 4.2.1 基于網(wǎng)格的人臉圖像變形54-55
• 4.2.2 基于特征線對的人臉圖像變形55
• 4.2.3 基于特征點的人臉圖像變形55-56
• 4.2.4 不同圖像變形技術(shù)的對比56-57
• 4.3 基于特征線對的人臉輪廓變形算法及其認知思考57-58
• 4.4 基于特征線對的人臉輪廓變形算法的改進58-60
• 4.5 本章小結(jié)60-61
• 第5章 人臉年齡特征合成61-69
• 5.1 引言61
• 5.2 人臉合成的研究現(xiàn)狀61-62
• 5.3 小波變換及圖像的多分辨率分析62
• 5.4 基于多分辨率分析的圖像合成方法的不足及認知思考62-63
• 5.5 人臉年齡特征合成方法的改進63-66
• 5.5.1 人臉年齡特征的融合63-65
• 5.5.2 發(fā)型特征的融合65-66
• 5.6 本章小結(jié)66-69
• 第6章 基于認知邏輯的個性化人臉圖像合成69-87
• 6.1 引言69
• 6.2 開放的復(fù)雜巨系統(tǒng)與綜合集成研討廳體系69-72
• 6.2.1 開放的復(fù)雜巨系統(tǒng)69-70
• 6.2.2 綜合集成方法與綜合集成研討廳體系70-71
• 6.2.3 個性化人臉圖像合成問題可視為開放的復(fù)雜巨系統(tǒng)問題71-72
• 6.3 基于認知邏輯的個性化人臉圖像合成系統(tǒng)的設(shè)計72-82
• 6.3.1 系統(tǒng)的人機交互73-75
• 6.3.2 年齡估計75-78
• 6.3.3 個性化輪廓生成78-81
• 6.3.4 樣本圖像選擇81-82
• 6.4 實驗結(jié)果及分析82-86
• 6.5 本章小結(jié)86-87
• 第7章 總結(jié)與展望87-91
• 7.1 本文的工作總結(jié)87-88
• 7.2 未來工作的展望88-91
• 參考文獻91-109
• 附錄A：人臉圖像的幾何歸一化109-115
• 附錄B：ASM算法原理115-121
• 附錄C：基于特征線對的人臉圖像變形算法121-123
• 附錄D：小波變換及圖像的分解與重構(gòu)123-131
• 讀博期間發(fā)表的論文131-133
• 致謝133

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 馬俐欣;;大數(shù)據(jù)背景下的影視文學(xué)創(chuàng)作——以“于正”現(xiàn)象為例[J];常州工學(xué)院學(xué)報(社科版);2015年01期

2 李國芳;王力;;基于改進Gamma和改進BP算法的人臉識別研究[J];微型機與應(yīng)用;2015年04期

3 夏凱;;基于改進的SUSAN算法的火焰圖像邊緣檢測研究[J];現(xiàn)代電子技術(shù);2015年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 胡漢平;雙目立體測距關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所);2014年

，

本文編號：642812