学位论文 > 优秀研究生学位论文题录展示

基于人脸检测的自动红眼消除研究

作　者: 崔跃利
导　师: 郑伟
学　校: 河北大学
专　业: 通信与信息系统
关键词: AdaBoost算法人脸检测红眼定位红眼消除
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 20次
引　用: 0次
阅　读: 论文下载

内容摘要

“红眼效应”是指用闪光灯拍摄人物照片时,在人眼瞳孔中央形成的红点现象。它阻碍附有闪光功能的嵌入式产品比如数码相机、摄像机、手机等的广泛应用。论文主要实现了一个自动红眼消除系统,该系统主要分成人脸检测和红眼消除两个模块。人脸检测模块分成训练过程和检测过程,红眼消除模块分为红眼定位和色彩修正。人脸检测模块采用了基于AdaBoost算法的人脸检测。论文详细阐述了基于Adaboost人脸检测算法,包括haar-like特征、积分图、Adaboost算法的训练过程以及人脸的检测过程,并实现了人脸检测系统,最后给出人脸检测的部分效果图。红眼消除模块主要是在找到的人脸候选区域中,经过计算红色度,并对红色度图像进行分割,再对分割后的二值图像进行形态学闭操作,得到优化的掩摸,再用几何特征限制算法限制非红眼目标,从而定位真正的红眼区域,最后对所定位的红眼进行色彩修正和平滑操作。最后使用C和C++语言在VC6.0平台上实现了一个自动红眼消除系统。在实验中选取了一组含红眼的数码图像作为测试集,对于红色度较高的正面人脸,系统的红眼消除准确率很高,但是对于非正面人脸、红色度很低的弱红眼,红眼消除系统存在失效现象。而在一般数码照片中,正面人脸所占的比例非常大,因此,论文提出的方法能有效地消除数码照片中的红眼现象,在数码领域具有一定应用价值。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-14
  1.1 研究背景及研究意义  9-10
  1.2 国内外的研究现状  10-13
  1.3 论文的安排  13-14
第2章基于AdaBoost算法的人脸检测  14-34
  2.1 ADABOOST算法概述  14-15
  2.2 HAAR-LIKE特征  15-18
  2.3 基于积分图的特征值计算  18-21
    2.3.1 积分图概念  18-19
    2.3.2 利用积分图计算Haar-like特征值  19-21
  2.4 ADABOOST训练算法  21-25
    2.4.1 训练样本集  22
    2.4.2 弱分类器  22
    2.4.3 强分类器  22-24
    2.4.4 瀑布式级联分类器  24-25
  2.5 ADABOOST算法人脸检测过程  25-33
    2.5.1 彩色图转成灰度图  25-27
    2.5.2 检测机制  27-29
    2.5.3 合并重叠的人脸框  29-30
    2.5.4 人脸检测系统评价指标  30
    2.5.5 检测结果  30-33
  2.6 本章小结  33-34
第3章红眼消除  34-48
  3.1 红眼定位  34-42
    3.1.1 预处理和红色度分割  34-39
    3.1.2 形态学闭操作  39-40
    3.1.3 几何特征限制  40-42
    3.1.4 定位红眼  42
  3.2 红眼修正和平滑  42-44
  3.3 实验结果  44-47
  3.4 本章小结  47-48
第4章红眼消除模块的软件实现  48-55
  4.1 红眼消除模块的主要数据结构  48-49
  4.2 核心函数软件实现  49-54
    4.2.1 红色度分割编程实现  49-50
    4.2.2 形态学闭操作编程实现  50-51
    4.2.3 几何特征限制编程实现  51-52
    4.2.4 红眼修正和平滑编程实现  52-54
  4.3 本章小结  54-55
第5章自动红眼消除系统设计与实现  55-62
  5.1 人脸检测和红眼消除整合  55
  5.2 系统设计与实现  55-59
    5.2.1 系统原理图  55-57
    5.2.2 系统流程图  57-59
  5.3 实验结果与分析  59-61
  5.4 本章总结  61-62
第6章总结与展望  62-64
  6.1 本文所做工作总结  62-63
  6.2 进一步的研究工作  63-64
参考文献  64-68
攻读硕士学位期间发表论文情况  68-69
致谢  69

基于人脸检测的自动红眼消除研究

内容摘要

全文目录

相似论文