基于一般模型的单幅人脸照片三维重建

针对由单幅照片进行三维人脸自动重建的问题,提出了基于一般模型变形的快速三维重建方法.先通过稀疏形变模型获取照片人脸特征点的深度信息,再将一般人脸模型变形到特定人脸,并使用基于肤色模型的插值合成皮肤纹理.实验证明,三维人脸重建方法快速简便,且只需单幅人脸照片,真实感强,并且可生成多种姿态、光照和表情的人脸图像,有较好的应用价值.     

L1约束的三维人脸稀疏重建

为了提高三维稀疏重建的精细度和鲁棒性,该文在改进模型参数先验分布描述的基础上,推导出一种最大后验概率参数估计方法即L1约束最小二乘重建方法。在BFM三维人脸库上测试重建算法的误差,L1约束最小二乘重建方法的重建结果精度优于无约束和L2约束最小二乘重建结果,也优于文献中的动态成分选择算法的结果,并且重建性能更鲁棒。实验结果表明:该方法与传统的无约束最小二乘或L2约束最小二乘等方法相比,能更可靠地克服实际中三维稀疏形变模型的表示基存在严重的多重共线性的问题,具有较好的重建性能。     

基于真实感三维头重建的人脸替换

传统的人脸替换技术需要输入的源图像中的人脸与待替换的目标图像中的人脸姿态相似,这限制了人脸替换技术的应用。该文提出一种基于特定三维头模型重建的人脸替换技术。首先,利用替换者的2张正交图像(1张正面图像和1张侧面图像)进行三维头重建。整个三维头重建过程分为人脸图像配准、特征点匹配、标准三维头形变和纹理贴图4个部分。形变部分利用了径向基函数对标准三维头进行形变以获得最终的特定三维头模型。通过建立替换者的真实感三维头模型,渲染出与任意目标图像姿态相一致的人脸图像。为了让渲染后的人脸图像与目标图像进行无缝纹理融合,还进行了色彩传递和基于多分辨率技术的边界融合。用此方法可将故事书中的任意角色替换成用户,以此提供个性化的图书。     

一种基于压缩感知的单样本人脸识别方法

针对人脸姿态、光照和表情等各方面原因引起人脸识别率不高的问题,提出了一种基于单样本特征点形变成冗余样本的压缩传感人脸识别方法.将人脸图像信号进行小波变换得到系数的稀疏表示,采用高斯随机测量矩阵进行测量得到离散人脸单样本,基于特征点形变人脸三维模型生成冗余样本,通过稀疏特征点正交匹配追踪非线性重建算法重建冗余图像进行人脸识别.仿真实验结果表明,所提出的算法相对于同类算法,时间复杂度较低、精确度较高、鲁棒性较强,且随复杂环境变化,其优势更明显.     

基于形变模型的三维人脸快速重建改进算法

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷, 提出一种三维人脸重建改进算法。该算法基于ASM（Active Shape Model) 增强算法, 自动地对特定二维人脸特征区域进行准确定位, 并实现三维人脸数据库的归一化; 利用稀疏形变模型对特定正面二维人脸进行快速三维重建; 采用明暗纹理恢复算法对重建后的三维模型人脸特征区域的每个顶点法线进行约束, 并将其应用于人脸识别中。实验结果表明, 该方法可实现对特定正面二维人脸快速三维重建, 并取得较好的三维重建精度与识别率, 与经典ASM算法相比, 精度提高12.3%, 迭代次数减少6次。     

基于非刚性ICP的三维人脸数据配准算法

三维人脸扫描数据的配准是三维人脸统计学习的基础和前提。为了解决离散点群数据的精确配准问题,该文提出一种融合弹性形变的非刚性最近点迭代(ICP)三维人脸数据配准算法。该算法利用稀疏的特征点逐步形变一个高分辨率的三维模板网格(模板三维人脸)以逼近三维人脸扫描数据(目标三维人脸)。此形变过程可以建模为一个关于模板人脸上每个顶点的仿射变换的优化问题。此外,该算法通过引入弹性形变在不损失配准精度的前提下加速了配准过程。在此基础上,该文提出一种融合弹性形变和三维配准的三维人脸的头部缺失数据补齐算法,使得三维人脸模型更具有真实感和完整性。实验表明,该算法比一种目前较为广泛应用的人脸头部补齐算法更具鲁棒性。     

一种改进的人脸特征点定位方法

人脸特征点自动定位方法在人脸识别、三维人脸模型重建等方面都有重要作用.三维人脸模型重建对下巴特征点精度要求很高.采用一种结合遗传算法和活动外表模型(AAM)的人脸特征点定位方法(GA-AAM),对AAM算法在下巴轮廓提取中的不能精确收敛问题作了改进.对于用实时AAM算法做特征点粗定位得到的结果,在AAM的代价函数中引入代表特征点处的边缘信息,进一步采用遗传算法作优化.实验结果表明该方法对下巴特征点的精确收敛十分有效.     

基于弱监督学习的细节三维人脸重建

人脸细节特征(如皱纹、沟壑等)在表达情感信息和提高模型真实感上起着重要作用，然而目前大多数细节重建算法忽略了人脸细节的复杂特性，以单一方法提取细节，无法兼顾细节重建质量和鲁棒性。为此，本文提出了一个基于弱监督学习的重建算法，使用基于三维人脸形变模型的粗略模型和UV空间的位移贴图来表示细节人脸。为提升网络的细节提取能力，在细节生成部分将人脸细节分为表情相关细节和表情无关细节，并根据两种细节的不同特性分别设计细节生成网络。为进一步提升重建细节的质量，设计了一组针对细节重建的多层级损失函数。最后在大量无标签的二维图像中以弱监督方式学习，实现基于单张图像的细节三维人脸重建。大量实验结果表明，本文算法在鲁棒性和细节重建质量上均有较好的表现。     

用于面部虚拟整形的三维人脸重建系统设计

为解决面部整形手术成功率低的问题,设计了用于面部虚拟整形的三维面部重建系统。该系统首先利用高精度深度相机采集人脸多角度深度图像,将每幅深度图像分别转换为对应点云模型并进行去噪预处理。接着,将正面点云和侧面点云进行粗匹配实现点云拼接,并提出一种改进的精配准算法进行精配准,得到目标人脸三维点云模型。对点云模型网格化处理后,提出一种基于半边结构的细分算法来提高重建模形精度,最后完成贴图即可构建人脸模型。为了验证所设计系统的重建精度,设计了对比实验。结果表明:系统重构人脸与其他重建系统相比,提高了人脸精度,且与真实人脸间差距小于2 mm,可以将其应用于面部虚拟整形,从而对专业医师提供术前指导,提高手术成功率。     

基于贝赛尔曲面的三维人脸特征点定位方法

三维人脸识别技术中,人脸特征点的精确定位和匹配对后期的人脸识别起了极为关键的作用,为此提出了一种新的三维人脸特征点定位方法,利用矩阵特征分解求解每个特征点的基准平面,进而可用贝塞尔曲面来表达特征点附近的局部三维表面结构,对不同复杂结构的表面可用不同的精度描述,采用局部搜索和全局形状模型的约束相结合得到三维人脸特征点的精确定位.对三维人脸的特征点进行定位的实验结果证明,该方法比其他基于曲率分析的方法具有更精确的定位精度.     

基于三维重建的人脸姿态估计

人脸姿态估计是计算机视觉及人脸识别领域的一项关键研究内容.将三维模型应用于估计人脸图像姿态参数,提出了基于三维重建的人脸姿态估计算法.根据人脸正面图片上的特征点计算出形状参数,实现三维人脸重建.基于三维人脸模型,由姿态图片上提取的特征点信息推知等姿态下模型上对应特征点的信息,针对照模型正面姿态,运用线性回归估计姿态参数.实验表明,重建的三维人脸具有较好的真实感,在较大的姿态变化范围内,该方法也能够取得较好的估计精确并具有鲁棒性.     

基于单幅正面照和统计模型的三维人脸重建方法研究

为提升单张图片三维重建的效率、提高重建的精准度,提出了一种基于单张图片和统计模型的三维人脸重建技术。首先基于智能行为理解组（intelligent behaviour understanding group,IBUG）,采用监督下降算法（SDM）进行训练来建立二维人脸特征点参数模型;再应用该参数模型对给定图片进行特征点提取;然后基于北京工业大学3D数据库（BJUT-3D）进行三维人脸统计模型的构建;最后,以三维人脸统计模型为基础,使用学习因子自适应梯度下降法对能量函数进行迭代优化,得到统计模型参数化向量,使用该向量来调整统计模型,实现与给定图片相匹配的三维人脸模型构建。实验证明,与现有的方法相比,本文方法重建出的三维人脸模型具有更高的精确度和自适应度。     

逆向重建中B样条曲面过渡/微调精简方法

为提高逆向工程中点云数据精简与重构的精度和效率,改进B样条曲面拟合在曲率精简和曲面重构中的应用问题.对逆向工程中的3维扫描技术、3维设计、点云数据的精简及模型重构做了深入细致的应用研究.提出一种基于B样条曲面过渡/微调精简算法,将该研究应用于叶轮的逆向制造中,通过3维扫描获得曲面重构点云数据,将点云数据合理拼合封装与精简,进行曲面重建和3维再设计,同时分析产品的光顺性和精度,并利用快速成型机打印出产品模型样件.研究结果表明该方法既高效提高了曲面建模效率,又改善了逆向建模精度.      

自适应直接取样岩心三维重建算法

由于直接取样算法在重建过程中引入了多个需要手动调节的参数,使其在实际运用中具有一定的难度.针对这一问题,提出了一种自适应直接取样岩心三维重建算法.首先,使用三级网格对图像进行逐级重建;其次,使用高斯加权来提高模式匹配的准确性;然后,根据待匹配数据事件的条件数据点自适应的选择模式搜索范围,将距离最小模式的中心点赋给待模拟点;最后,使用算法与传统直接取样算法分别对多张储集层岩心图像进行三维重建.通过比较重建结果与真实结构在统计分布、孔隙结构上的差异,证明了算法的有效性.     

基于彩色伪随机编码单幅图像的三维欧氏重构

文章针对机器视觉中彩色伪随机序列编码与灵活的预标定三维重构技术,研究了基于单幅编码图像的三维欧氏重构系统集成。先对CCD相机采集的编码图像进行必要的预处理,接着对其进行特征点检测与匹配,结合预先标定的LCD投影仪参数,利用层次化的三维欧氏重构理论,即可根据单幅图像恢复该三维场景的三维坐标数据,重构三维场景的三维形貌。     

利用遗传算法和人工神经网络的外形重构

给出了一种新的基于复变函数、遗传算法和神经网络的曲面重构方法，曲面可以用解析表达式的格式重构。根据确定的离散化样本集合，在均方差的意义上，这种表示法是最优的。我们采用的曲面表示方法是通过进化计算得到的，其中反复应用了交叉和变异操作，结合误差反传训练算法，直到满足终止条件。表达式最终被分类成一些基本函数的特征组合。这种方法可以用于3D物体的CAD模型重构和自由光滑曲面模拟。用VisualC 和MatLab演示了该系统，并且实现了在设计过程中的实时曲面可视化。     

用于三维重建的改进特征匹配策略

为了能够更加快速地获取特征点以及提高特征匹配结果的稳定性,提出了一种改进的匹配策略。首先,对图像进行下采样,通过低分辨率的图像进行匹配,快速筛选掉匹配失败的匹配对,然后对匹配成功的匹配对对应的原始图像进行匹配,以达到加速的目的。其次,为有效提高三维点云的精度,对SIFT的匹配结果和SURF的匹配结果进行融合,将融合后的结果应用到三维重建技术中。最后,通过使用自采数据集和公开数据集对算法进行测试,并对实验数据进行分析。结果显示,改进的特征匹配策略使三维重建的运行速度提高了40%,并大幅增加了三维点的个数。所提出的方法不仅可以减少特征匹配过程的运算量,还可以提高三维重建的稳定性,在三维重建研究工作中具有一定的参考价值。