论文部分内容阅读
众所周知,图像是人类从自然界中获取信息的最佳途径之一。图像中包含的信息远非文字所能比拟。随着智能科技的发展,利用图像并从中提取有效的信息已经是图像处理领域中的热点,其中人脸图像的处理更为火热。目前的人脸图像信息处理系统一般都是直接对人脸光栅图像进行处理(也称为位图)进行处理,算法主要是针对位图像素直接的关系提取边缘等信息,处理起来数据量比较大,处理速度比较慢,而且对于噪声较大的图像,处理的精确度也不会很高,并且对位图直接处理的方式对于图像的后续变形或是表情生成处理起来效率很低而且没有一种精确的处理评判标准。 图像矢量化技术有着广泛的应用,主要体现在工程图纸等需要突出线面特征而对颜色信息要求不高的应用领域。图像矢量化的方法有很多,大部分算法都有着各自的优缺点,但是图像矢量化算法的研究依然具有挑战性并且有着广阔的研究空间。本文主要工作是研究人脸图像矢量化方法,首先介绍和本文矢量化工作相关的理论基础,主要的理论依据是人脸特征点的精确定位,并在此基础上进行下一步工作;然后主要是建立人脸图像形状矢量化模型和纹理矢量化模型。在矢量化人脸图像之后,本文还继续深入研究了人脸表情矢量化表达以及人脸矢量化表情生成方法。本文的研究工作旨在将位图人脸转化成矢量图,再利用数学模型和参数变化做后续的处理。矢量图与位图相比较有以下几个优点: 1.矢量图占据的存储空间少,便于数据的传输和保存; 2.矢量图易于进行编辑,如旋转、拉伸、平移以及细节变化只需要做相应的参数改变; 3.矢量图放大不会产生边缘锯齿效应,不会降低图像的质量; 除了以上几个基本优点之外,对于人脸表情生成、变化,智能口型语音和智能机器人以及漫画制作等方面都有着重要的意义。 本文的主要工作如下: 1.通用矢量化数学模型和建立; a)选取IMM人脸数据库结合PCA主成分分析训练通用人脸形状通用 个矢量化模型; b)结合PAW(分段线性仿射)和三角剖分算法提取纹理,并训练人脸纹理通用矢量化模型; 2.矢量化表情参数变化模型训练; 3.对目标位图人脸图像矢量化及表情变化图像生成; a)基于局部纹理模型和改进AAM算法的人脸特征点定位; b)将定位的人脸特征投影到通用形状模型和纹理模型中,得到位图人脸的矢量化表达方式; c)通过调用矢量化表情参数变化模型,生成位图矢量化之后图像的不同表情图像; 本文的重点在于研究如何有效的将人脸位图矢量化表达,并生成不同的表情图。本文在算法理论上主要研究与特征点定位相关的主动形状模型和主动表观模型算法,并提出改进主动表观模型算法的人脸特征点定位。在Windows实验室环境下,实现模型的训练、特征点定位改进算法,以及混合表情参数生成模型,并在此基础上实现人脸位图矢量化表达和该人脸不同表情图像的生成。