基于机器学习的人脸面部情感图像合成

论文题目: 基于机器学习的人脸面部情感图像合成

论文类型: 硕士论文

论文专业: 计算机科学与技术

作者: 周川

导师: 林学訚

关键词: 人脸表情图像合成,因素分解模型,情感参数,表情比例图像,情感视位合成

文献来源: 清华大学

发表年度: 2005

论文摘要: 由于面部表情在人们的日常交流中所起的重要作用,人脸表情图像合成已经成为新一代人机交互中的重要技术,也是近几年来计算机视觉、计算机图形学、心理学、多媒体技术等多学科交叉的前沿领域,其在计算机辅助教学、游戏制作、虚拟现实等诸多领域都有着广泛的应用前景。本文在充分回顾已有的人脸表情图像合成方法的基础上,探讨了在完全不提取三维信息的情况下,如何利用图像样本集和统计学习理论为任意人生成真实感的面部表情图像。其主要的研究内容和创新点如下:第一,提出了一种基于因素分解模型的人脸表情图像合成方法。这里将“人的身份”和“面部表情”看作影响人脸表情图像的两种变化因素,然后使用基于核函数的因素分解模型训练出这两种因素的交互作用。当给出一张测试人脸图像时,我们利用因素分解模型的“转移”算法合成测试人脸在训练集已有表情下的图像和训练集人脸在测试人脸表情下的图像。第二,提出了一种参数化控制表情合成的算法。本文在分析因素分解模型所获得的子空间性质的基础上,提出了一种利用“情感参数”来参数化控制合成的方法。我们将表情比例图像(ERI)引入到合成算法当中,克服了原有算法在处理库外人物时所面临的面部特征缺失的问题,并使得算法具有了一定的自我“扩展”能力。此外,本文还提出了一种基于因素分解模型表情子空间的表情识别算法,并获得了令人信服的实验结果。第三,提出了一种情感视位合成算法。本文在已有的基于数据驱动的可视语音合成系统和参数化表情合成系统的基础上,提出了一个将表情和视位分开处理的算法框架。在输入一定的情感和视位参数的情况下,我们首先使用上述两个系统分别合成出表情和视位图像,然后使用形状的权重模型和基于模板的纹理融合算法,在参数化合成算法的控制下,将表情和视位图像无缝地拼接在一起合成出最终结果。

论文目录:

摘要

ABSTRACT

第1章引言

1.1 课题的目的和意义

1.2 基于样本的人脸图像合成

1.3 带表情的可视语音合成

1.4 论文各部分的主要内容

第2章基于因素分解模型的面部表情图像合成

2.1 双线性因素分解模型

2.2 基于核函数双因素分解模型

2.3 多因素分解模型

2.4 基于因素分解模型的面部情感图像合成

2.5 本章小结

第3章情感参数控制的表情图像合成

3.1 相关工作

3.2 基于因素分解模型的子空间分析

3.3 基于表情空间参数化合成方法

3.4 本章小结

第4章基于机器学习的情感视位合成

4.1 系统架构

4.2 数据驱动的可视语音合成系统

4.3 参数化表情合成系统

4.4 情感图像融合系统

4.5 本章小结

第5章总结与展望

5.1 论文工作的总结

5.2 未来工作的展望

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果

发布时间: 2007-03-14

参考文献

[1].基于深度学习的图像去雾算法研究[D]. 赵熹.西安电子科技大学2018
[2].自然图片的可交换区域的合成与优化[D]. 周呈峰.湖南大学2018
[3].基于情绪调色板组合映射的图像重上色方法研究[D]. 黄静.湖南大学2018
[4].可视密码的应用及一些研究[D]. 李丽娜.杭州电子科技大学2018
[5].基于深度学习的图像合成技术研究[D]. 沈卓荟.华东师范大学2018
[6].基于相机阵列的高动态范围图像合成技术[D]. 龙鑫.国防科学技术大学2016
[7].基于场景约束的数字图像合成取证研究[D]. 易琼.湖南大学2017
[8].缝裁剪图像的篡改检测研究[D]. 韩蓉.天津工业大学2018
[9].基于微阵列相机的动态场景图像置换研究[D]. 乔磊.北方工业大学2018
[10].Illuminant Mapping: An Approach Towards Image Splicing Detection[D]. S M BAYAZID.华南理工大学2018

基于机器学习的人脸面部情感图像合成

猜你喜欢