2DPCA在遥感图像压缩中的应用

Two Dimensional Principal Analysis是新近提出的一种图像分析方法,并已在特征提取与人脸和物体识别中得到较好应用.由于2DPCA本身就具有数据压缩功能,在用于去除图像的空间相关性中,可实现对数据的压缩,尤其是对高光谱或多光谱遥感图像的压缩.实验结果表明,这类方法不仅有效,而且压缩性能良好.     

利用卷积神经网络和小面元进行人脸图像替换

提出了一种基于卷积神经网络和小面元的人脸替换方法.首先,使用级联卷积神经网络确定人脸位置,并应用全卷积网络对人脸进行分割以确定替换区域;然后,应用回归森林的人脸关键点技术和Delaunay三角剖分建立人脸三角网,对人脸小面元进行替换;最后,应用泊松融合消除拼接痕迹.定性和定量的试验结果表明,该方法是有效的,并且可较好地...     

火星任务——火星人脸述说的上古往事

火星,是地球的近邻,也被认为是太阳系里各方面最像地球的行星。火星表面在远古时代曾有过大水,其自然条件也并不是太恶劣（想想地球上还有生活在火山口的厌氧喜硫磺的微生物呢）。按理说是完全有可能进化出生命的。但是,现在的火星。却完全是一片荒凉的不毛之地。那么,火星在历史上是否曾经存在过生命？这一直是科学家们很感兴趣的话题。人类一直以来的火星探索。一个很重要的目的就是搞清楚火星的生命之谜。自然,这样一个话题性的行星也会是太空类科幻片的常见题材。这次,就给大家推荐一部以火星探索为题材的经典影片——《火星任务》。     

AdaBoost算法在街景图像数据隐私保护中的应用

针对街景图像数据提出一种图像数据隐私保护技术,研究了基于Ada Boost的人脸检测技术,针对街景图特点,引入肤色检测和眼睛定位技术来提高街景图像的检测速度和精确程度。同时,研究了基于Ada Boost的车牌检测技术,并结合街景图中车辆位置与车牌颜色特征来提高检测的精确程度。最后讨论了对人脸与车牌视觉内容的保护技术。     

一种复杂背景下的人脸特征提取算法

通过人脸特征提取是计算机人脸识别技术中的核心技术。主动轮廓模型方法（Acdve contour model，也称Snakes方法）被广泛应用于特征提取、图像分割等技术中。常规Snakes方法应用于人脸特征提取鲁棒性不强，并且精度不高。对常规Snakes方法进行了改进，其改进主要包括两个方面：1）针对人脸肤色的特点改造了Snake。能量函数的图像能量项，用以提高算法的精度；2）基于人脸五官形状特点，增加了一个新的能量项——形状限定能量项，以期获得更好的鲁棒性。最后，对改进前后的Snakes方法进行了实验仿真与比较、对比研究。实验结果表明，改进后的Snakes方法具有良好的收敛性，并能准确收敛到人脸特征处。     

自适应人脸肌肉模型特定化技术

肌肉模型是人脸表情动画中常用的控制模型之一。很多基于肌肉模型的人脸动画中都实现了从一般人脸模型到特定人脸模型的修改，对肌肉模型特定化的介绍很少，或只是简单的提供一些用户交互接口，很难得到比较满意的结果。鉴于此，提出了自适应人脸肌肉模型特定化技术。实验证明，技术可取得较好的动画效果。     

基于SVD和KL投影相融合的人脸识别算法

在已有的PCA人脸识别算法的基础上构建了一种基于奇异值分解和KL投影相融合的人脸识别方法.方法对人脸图像进行奇异值分解与KL变换,随后将KL投影的主特征向量和SVD特征向量进行线性融合形成新的特征向量,并以此作为判别标准.经试验测试该方法消除了当检测库中人脸的姿态变化时人脸图像间的相关性下降对识别正确率的影响,大大的提高了人脸识别的正确率.     

用于人脸表情图像与动画合成的图像变形方法

基于传统图像变形的人脸表情合成方法,在对由闭口的表情图像到开口露齿的表情图像进行中间状态的表情合成时会失效。为克服这一不足,提出了一种更适用于人脸表情图像与动画合成的图像变形方法。该方法引入了掩蔽图像的概念,并提出了对掩蔽图像的变形方法,修正了传统图像变形方法的变形公式。实验结果显示,该方法能自然、逼真地合成出由闭口的表情图像到开口露齿的表情图像的中间状态表情图像。     

复杂背景下提高精度的眼睛定位方法

提出了一种在基于肤色的人脸检测中通过进行相似度计算来实现人眼特征提取和定位的算法.其目的是在较复杂的背景环境下对静态图片中的人脸进行检测,找出脸部区域并对该人脸进行眼睛定位.先进行肤色分割来完成人脸的区域检测,然后在检测出的人脸范围中利用人脸的几何特征进行快速的眼睛定位.在人脸区域检测过程中使用均值滤波提高人脸区域定位的准确度.实验结果证明,这种方法是准确的、可靠的和快速的.     

面向形变模型的三维人脸建模研究及其改进

针对传统三维形变模型效率低的不足,提出了一种简洁高效的三维形变模型进行个性化三维人脸重建。首先建立基于关键特征区域重采样的标准三维人脸数据库,实现三维人脸的稠密对应;然后选择与目标人脸奇异值向量最相似的人脸作为形变模型的基空间,进行形变模型成分的动态选择;最后引入基于特征点的稀疏形变模型替代原稠密对应形变模型进行匹配求解线性组合系数,并完成特定的三维人脸重建。实验结果表明,本文方法建模时间短、复杂度低,通过单张图片的少量特征点能生成逼真的三维人脸模型。