基于曲线表示的人脸表情合成

先将人脸边缘图像分割为曲线段集, 通过度量图像在曲线段两侧的局部纹理差异, 形成特征序列. 在此基础上, 比较人脸样本集出现一类特定表情前后的图像, 量化曲线段集和特征序列在此类表情运动作用下的变化, 找出其中模式, 从而在仅有某样本中性表情图像时, 根据模式合成出样本在发生某类特定表情变化后的曲线段集和特征序列. 运用该方法, 可在初始样本有限的情况下, 通过合成表情特征有效扩展样本空间, 使识别算法更好地适应表情变化.     

基于支持度变换的水平集人脸轮廓提取方法

提出了一种新的人脸轮廓提取方法,该方法将水平集与支持度相结合.首先将人脸图像进行支持度变换得到支持度图像,在此基础上,用支持度图像计算几何活动轮廓模型的边缘指示函数,在演化过程中先选取参数较小的边缘指示函数,使得边缘指示函数对眉毛不敏感,演化曲线过眉毛后选取参数较大的边缘指示函数,使得演化正确收敛于人脸轮廓.实验结果表明该方法的人脸轮廓提取效果较好,收敛速度快.     

基于面部边缘细节的局部遮挡人脸图像识别

为解决人物面部遮挡情况下识别人脸信息不清楚的缺陷,优化人脸识别系统,提出了基于面部边缘细节的局部遮挡人脸图像识别方法。依据稀疏性表达对人脸图像去噪,根据图像灰度变换原理检测人脸图像边缘,分割边缘区域,计算其阈值以得到人脸图像边缘信息。标记人脸特征点增强信息识别精度,提取人脸图像的特征描述子,并将其输入支持向量机模型中,通过训练实现局部遮挡人脸图像识别。实验结果表明,该方法应用于人脸图像识别平均识别率高于73%,识别时间低于20 s。     

基于边缘检测的人脸正面图像识别

人脸识别系统是高级信息检索和机器人视觉的重要内容.主要提供了基于人脸正面图像特征提取的方法.在具体实施的过程中,首先是将彩色图像转化成灰度图像来增加图像本身的对比度,以便图像的边缘检测和特征定位,其次是利用边缘检测的方法,对人脸图像进行特征提取,以达到人脸特征识别的目的.     

基于边缘增强生成对抗网络的人脸超分辨率重建

针对对抗生成神经网络在人脸轮廓细节恢复上不够完善的问题,利用人脸图像的结构先验信息提出了一种边缘增强的生成对抗网络人脸超分辨率的重建算法.首先,利用人脸图像及其边缘图像的一致性关系设计一种并行网络提取面部和边缘细节特征;然后,通过特征融合网络获得高分辨率的生成图像;最后,利用判别网络判别生成图像的真伪.在人脸图像数据库上进行的人脸超分辨率重建实验结果表明:提出的边缘增强生成对抗网络能够提升面部细节重建能力,主观和客观评价指标均优于现有的人脸超分辨率算法.     

人脸识别视频压缩感知跟踪算法

针对视频监控中移动的人脸图像光照强度不同、遮挡、快速变化等问题,本文提出一种人脸识别视频压缩感知跟踪算法.利用图像尖锐化处理突出目标图像边缘纹理,再利用矩形滤波器对人脸图像归一化处理并获取特征向量.通过压缩感知算法对目标样本和背景样本的Haar-like特征压缩,建立目标模型,训练Adaboost算法的贝叶斯级联分类器.最后根据人脸特征区分目标和背景图像,实现目标人脸图像的动态跟踪.实验结果表明,该算法能够实现视频中人脸图像移动、遮挡及光照强度不均匀、快速变化等情况下的有效跟踪.     

基于椭圆拟合的近红外图像的眼睛精确定位法

提出了一种新的近红外人脸图像的眼睛精确定位方法. 该方法首先使用基于Haar特征和AdaBoost算法的人脸检测分类器确定人脸区域和初始眼睛位置;然后用Sobel算子对眼睛区域进行边缘检测处理,得到眼睛边缘,并对它进行椭圆拟合获得眼睛的椭圆轮廓线;最后把拟合椭圆的中心点作为眼睛的精确位置. 实验表明,在正面人脸情况下,本方法能精确地定位近红外人脸图像的眼睛位置,在归一化人脸为120×120像素时,其平均误差小于1.5个像素,处理时间约7 ms.     

二值图像的自动表述

提出了一种通过对图像中物体的边缘进行描述来表征二值图像的方法 .该方法对二值图像进行边缘提取、周线跟踪、特征点提取、边缘分割及曲线匹配 .经处理后的图像由一系列描述物体边缘的数学方程来表征 ,有利于图像数据压缩及重构 .     

基于遗传算法的正面人脸定位

利用人脸的椭圆轮廓特征,使用参数化可变形椭圆模板和遗传算法（ＧＡ）对正面人脸进行定位．首先取得人脸的边缘图像,并定义边缘图像的能量场,然后定义参数化的可变形椭圆模板,对椭圆模板的参数进行编码,并定义合适的适应值函数,使用ＧＡ以椭圆模板在人脸边缘能量场图像中对人脸轮廓进行最优化匹配．实验结果表明,该方法在中等复杂背景环境下的人脸定位应用中取得了较好的性能,定位更加准确,同时具有较强的鲁棒性     

模型基编码中的鼻子形状自动提取

介绍了一种简单而有效的模型基编码鼻子轮廓提取算法.该算法利用皮肤颜色图像分割、特征保留图像二值化、特征脸校验、脸部特征滤波和k-均值分类器定位复杂场景中的人脸及脸部各特征区域,提出了以圆形和非对称双抛物线建立的鼻子形状形变模板以及相应的能量函数,寻找的Powell能量最小化算法的初始参数加速了模板匹配过程,给模型基编码的人脸线框模型自动调整提供了准确的鼻子形状参数.实验表明,所提出的算法对不同人脸姿势的鼻子形状估计表现出良好的结果.     

数字化地图的自动接边及其精度

按照地物要素分类接边的方法,实现了在数字化地图中相领图幅的自动接边,该方法分三步完成接边：接边要素对的提取;接边要素对自动分类接边;分幅剪,同时还探讨了该方法产生的接边精度的分析和计算,从而得出接边图面精度指标为０．３mm的结论,这可作为衡量地图数字化质量的一个量化指标。     

人脸识别中利用眼球进行人脸归一化

人脸识别中,人脸的归一化处理是至关重要的一个环节,以此为基础可使得人脸的整体分析和识别变得容易和准确。算法首先利用人脸的垂直积分投影曲线获得人脸的左右边界,然后利用水平积分投影曲线获得人眼所处的大致水平位置,进而裁剪出这个包含人眼的大致区域。在此基础上利用Canny算子求出眼睛区域的边缘图像,然后对边缘像素进行聚类,再利用Hough变换的改进方法求出左右眼球中心的精确位置,最后利用中心瞳孔的位置进行人脸的归一化处理。经实验验证,该方法速度快、精确度高,受表情、偏转和光照的影响小。经本方法校正后,后续的识别正确率得到了提高。     

平面曲线的插值抛物线与渐近抛物线

研究了平面曲线的插值抛物线与渐近抛物线的关系,证明了平面曲线的插值抛物线的极限位置(如果存在)必是该曲线的渐近抛物线。     

零件轮廓基点计算方法研究

介绍了平面轮廓零件各组成元素之间的连接关系,并揭示了典型曲线交接的内在规律,阐述了直线与抛物线交接点的计算原理和特点,总结归纳直线与抛物线连接的处理方法,以及自动淘汰无效基点的基本准则．据此,设计了直线与抛物线基点的计算软件与框图．     

一种收敛较快的迭代法：二次抛物线弦割法

按照与传统弦割法类似的思路,提出一种收敛更快的迭代法：二次抛物线弦割法。即用过3点的曲线割线代替过2点的直线割线,进行迭代计算。根据拉格朗日插值函数构造了该法的迭代格式。算例分析表明,二次抛物线弦割法的收敛速度较简单迭代法、牛顿迭代法、单点弦割法和双点弦割法要快得多。     

基于模糊熵和结构特征的边缘检测方法

为了使检测的图像边缘结核定位好,并且产生边续的精细边缘,同时能有效滤除边缘图像中的噪声,提出一种基于模糊熵与边缘结构特征相结合的新的图像边缘检测方法。该方法首先将图像的灰度值特征空间转换为模糊熵特征空间,计算出每个像素在模糊熵特征空间的相异测度,结合3×3 邻域内的12种有效的边缘结构,提取图像中每个像素的结构信息测度图像阵列和方向信息测度图像阵列,然后对结构信息测度图像阵列和方向信息测度图像阵列实施非极大抑制,确定最终的边缘像素图像。实验结果表明该方法所检测出的图像边缘细节丰富,单像素宽,定位准确,有较好的抗噪性。     

Multiple Face Location Using Motion Information

Introduction　　Facerecognitionhasarousedgreatinterestinthepasttwentyyears.Forthetwostepsinvolvedinhumanfacerecognition,thelocationandtheidentification,theformeristhemostfundamentalbutratherdifficultone.Previously,facelocationhasusuallybeencarriedonstillimages.Withthedevelopmentofmotionanalysistechniquesandtheavailabilityofframesequences,themethodsutilizingmotioninformationtolocateafacehavereceivedmoreandmoreattention.Amongthemthedifferenceframe[1]isperhapsthesimplest.However,usingonlydiffere…     

具有抛物线解的三次系统E_3~1存在代数分界线环的充要条件

具有抛物线解的三次系统 E13 可以存在抛物线分界线环 ,也可以存在弯月形抛物线分界线环 ,也可以存在弯月形无返回映射抛物线分界线环 .分别给出了出现这些分界线环的充要条件 .并分析了它们的拓扑结构 .且分别给出出现各类拓扑相图时的参数条件     

一种基于形状信息描述的图像特征匹配算法

针对已有匹配方法匹配特征点少、图像匹配精度低的问题,提出一种基于边缘形状描述子的图像特征匹配算法。该算法首先利用曲线凸性将图像边缘分割为近似直线段组,再将连接多个直线段的点定义为关键点,将关键点周围直线段组定义为形状特征包,最后利用局部形状特征包中所有点集相对其几何中心的位置关系分布形成描述子。实验结果表明：该算法的图像匹配正确率均高于SIFT算法和Shape Context算法,且对噪声问题不敏感,可应用于基于Hough变换的物体检测。