学位论文 > 优秀研究生学位论文题录展示

基于学习的人脸图像分辨率增强技术研究

作 者: 贾立
导 师: 李国辉
学 校: 国防科学技术大学
专 业: 系统工程
关键词: 分辨率增强 超分辨率 基于学习 照度归一化 流形学习
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 32次
引 用: 0次
阅 读: 论文下载
 

内容摘要


图像超分辨率技术是指在一定形式的先验知识的指导下对图像的分辨率进行增强。和插值技术相比最大的不同是先验知识的引入使得突破Nyquist定律的限制成为了可能。人脸图像的分辨率增强,又称为幻觉人脸技术,是超分辨率领域的热点问题,由于人脸图像之间的相关性较强,使得构造训练库进行指导的基于学习方法成为较好的选择。幻觉人脸技术有着广泛的应用背景,如视频监控,公安侦查、图像增强、面部表情分析等。本文主要研究基于学习的分辨率增强方法,并针对人脸图像的分辨率增强进行了深入研究。通过对基于学习的分辨率增强技术现状的研究,分析了其目前存在的问题和突破口,对人脸图像的分辨率增强过程设计了必要的预处理和后处理,并提出了一种基于人脸局部对象的分辨率增强方法。论文的主要内容包括:(1)通过对超分辨率和基于学习方法的研究现状进行分析,指出了目前的幻觉人脸技术大部分是在理想条件下进行研究,没有考虑到实际图像中的光照和空间方位等因素,所以在实际图像中难以取得令人满意的效果。本文设计了照度归一化和人脸图像配准的预处理,增强了输入图像和训练库中的图像的照度相关度和空间方位相关度,提高了幻觉人脸技术的增强效果。在增强处理后增加了相应的空间反变换和照度回归的后处理,使增强后的图像恢复到初始的照度和空间方位。(2)在预处理的照度归一化步骤中,针对传统Retinex方法的缺点,提出了基于几何包络的Retinex方法,更好的符合了Retinex基本理论的先验约束,取得了更好的效果。并设计实现了具体的多分辨率算法,提高了时间效率。(3)分析了传统的幻觉人脸方法的缺点,指出传统方法没有充分的利用人脸图像的高层信息,使实验结果有时与原始图像相去甚远。本文提出了一种基于人脸局部对象的分辨率增强方法,分析了视觉心理学中观察人脸图像的过程,提出通过分解并提取人脸的各个器官,然后分别对其进行分辨率增强,最后合成一幅完整人脸的方法。较好的保持了人脸的全局信息不被分辨率增强过程所破坏,同时有针对性的对反映人脸特征的局部器官进行增强,提高了人眼进行观察的视觉效果。

全文目录


摘要  8-9
ABSTRACT  9-10
第一章 概述  10-18
  1.1 研究背景及问题提出  10-11
  1.2 国内外研究现状  11-15
    1.2.1 分辨率增强技术研究现状  11-13
    1.2.2 基于学习的分辨率增强技术研究现状  13-15
    1.2.3 研究现状总结与评述  15
  1.3 主要研究内容及贡献  15-17
    1.3.1 研究思路  15-16
    1.3.2 研究内容及贡献  16-17
  1.4 论文组织结构  17-18
第二章 图像分辨率增强的基础理论  18-24
  2.1 数字图片成像和降质模型  18-19
  2.2 流形学习理论  19-20
  2.3 Retinex 光照模型  20-22
  2.4 人脸图像配准  22-23
  2.5 本章小结  23-24
第三章 方法流程及预处理  24-44
  3.1 方法流程  24-25
  3.2 照度归一化  25-40
    3.2.1 基于路径比较方法  26-27
    3.2.2 基于卷积的方法  27-31
    3.2.3 基于可变框架方法  31-32
    3.2.4 基于几何包络方法  32-35
    3.2.5 实验效果  35-40
  3.3 基于仿射变换的人脸图像配准  40-43
  3.4 本章小结  43-44
第四章 基于学习的人脸图像分辨率增强方法  44-54
  4.1 幻觉人脸方法  44-47
    4.1.1 基于金字塔模型的幻觉人脸方法  44-47
  4.2 基于人脸局部对象的分辨率增强方法  47-50
    4.2.1 人脸对象提取方法  48-49
    4.2.2 基于流形学习的分辨率增强方法  49-50
  4.3 实验结果及讨论  50-53
  4.4 本章小结  53-54
第五章 总结与展望  54-56
  5.1 全文研究总结  54
  5.2 研究展望  54-56
致谢  56-57
参考文献  57-62
作者在学期间取得的学术成果  62

相似论文

  1. 基于流形学习的高维流场数据分类研究,V231.3
  2. 基于学习的低阶视觉问题研究,TP391.41
  3. 唇读中的特征提取、选择与融合,TP391.41
  4. 高保真遥感图象压缩与分辨率增强联合处理研究,TP751
  5. 基于流形学习的数据降维技术研究,TP311.13
  6. 策略培训教学在中学英语听力中的有效性研究,G633.41
  7. 基于回归的图像超分辨率重建技术研究,TP391.41
  8. 利用非局部相似性的图像超分辨率重建研究,TP391.41
  9. 基于学习的视频超分辨率重建算法研究及实现,TP391.41
  10. 基于脑电的情感识别,TP391.4
  11. POCS图像超分辨率重建技术研究,TP391.41
  12. 基于学习的图像超分辨率技术及其应用研究,TP391.41
  13. 基于自适应字典稀疏表示超分辨率重建的视频编码技术,TN919.81
  14. Tetrolet稀疏正则化与样本学习的图像超分辨率算法研究,TP391.41
  15. 基于样例的图像画质增强,TP391.41
  16. 人体运动时间序列可视化及多索引方法研究,TP391.41
  17. 基于多基点定位的ISOMAP算法改进研究,TP181
  18. 基于正则化的超分辨率图像序列重建技术研究,TP391.41
  19. 图像超分辨率重建算法研究,TP391.41
  20. 暴雨中冰雹的识别,P429
  21. 流形学习中的增量谱嵌入方法,TP181

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com