超低分辨率人脸对齐与重构

《超低分辨率人脸对齐与重构》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、分类号：密级：UDC：编号：工学硕士学位论文超低分辨率人脸对齐与重构硕士研究生：侯颖指导教师：李智慧副教授学科、专业：计算机科学与技术论文主审人：郑丽颖教授哈尔滨工程大学2014年12月分类号：密级：UDC：编号：工学硕士学位论文超低分辨率人脸对齐与重构硕士研究生：侯颖指导教师：李智慧副教授学位级别：工学硕士学科、专业：计算机科学与技术所在单位：计算机科学与技术学院论文提交日期：2014年12月论文答辩日期：2015年3月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.E

2、ngVeryLowResolutionFaceAlignmentandReconstructionCandidate:HouYingSupervisor:AssociateProf.LiZhihuiAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ComputerScienceandTechnologyDateofSubmission:Dec,2014DateofOralExamination:Mar,2015University:HarbinEngineeringUniversity学位论文原

3、创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本

4、人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日超低分辨率下的人脸对齐与重构摘要虽然经过几十年的研究与发展，人脸识别问题仍然是计算机视觉中研究的热点和难点。近年来，人脸识别系统在公安系统、

5、军事、医学等领域得到了广泛的应用，超低分辨率下的人脸图像存在着细节信息严重缺失、含有噪声等因素，对识别算法的研究造成了很大的困难。本文研究的对象是超低分辨率人脸图像，这些图像通过检测、对齐和重构步骤，实现图像分辨率提高，细节的增强。目前现在已经存在的人脸图像重构方法中，绝大部分方法都是将尺度为24×24像素或者24×32的人脸图像作为输入的低分辨率图像。但是研究表明，24×24像素的人脸图像识别率仍然较高，是可分辨的。而低于该尺度的图像，本文称为超低分辨率图像，存在识别困难等问题。所以，超低分辨率图像的重构更有意义。本文首先介绍了人脸重构方面的研究现状

6、，针对超低分辨率人脸图像的重构问题，本文提出了包括人脸检测、对齐、重构三步骤的整体算法。在人脸检测阶段，本文采用的是基于Haar-like特征和AdaBoost分类器的检测方法，其主要步骤是先计算人脸图像的Haar-like特征，再通过AdaBoost算法训练出若干个最优弱分类器分类器，将弱分类器结合起来，构成一个强分类器，可以区分出人脸和非人脸，最后采用分类器级联把强分类器级联到一起来提高准确率和效率。该方法具有明显优势，不仅检测精度高，运算速度也比其他方法快很多。在人脸对齐阶段，针对超低分辨率下的人脸对齐，本文采用了基于SIFT特征的人脸对齐算法。

7、首先先提取图像的SIFT特征点，根据任意两幅图像的SIFT特征点匹配情况进行图像聚类，将相似度高的图像聚成一类，每类生成一个模板；对类内的图像，采用SIFT特征及最小熵算法生成模板，本文在最小熵函数中加入了两个约束条件，一是为了避免变换过大偏离初始位置，二是针对人脸的垂直对称性加入了对称约束，提高了模板生成的准确性，并使得本算法更适用于人脸对齐。对于新检测到的人脸图像，先通过SIFT特征判断所属的类别，然后根据相应的类模板和训练阶段迭代时产生的分布域序列来进行实现对齐。将SIFT特征运用到人脸对齐算法中是因为SIFT特征具有尺度缩放、旋转和仿射变换不变

8、性，同时对微视角变化、噪声、光线等因素有较好鲁棒性，独立性和扩展性。由于人脸图像对齐之后，人脸