人脸识别中嘴唇轮廓提取问题的研究

论文摘要

人脸识别中的嘴唇轮廓提取问题是计算机视觉领域中的一个热门研究课题,在人机交互、表情识别、唇动识别、疲劳驾驶检测等领域具有广泛的应用,其研究和发展不仅具有重要的理论意义,而且具有广阔的应用前景和实际意义。本文对嘴唇轮廓提取技术和方法进行了研究,针对传统方法在嘴唇轮廓提取中存在的实际困难,提出了采用基于Fisher变换和基于半监督学习的改进水平集方法进行嘴唇轮廓提取。首先,对输入图像进行光照补偿,以降低光照的影响。其次,在YCbCr空间建立肤色模型进行人脸检测定位及嘴唇区域的粗略定位。然后,提出两种改进的水平集方法进行嘴唇轮廓提取。最后,用MATLAB实现了嘴唇轮廓提取的实验系统,论证了算法的可行性。本文主要获得以下研究成果:(1)提出基于Fisher变换的水平集方法,增强了图像的梯度信息,使轮廓提取的准确度得到了提高。(2)针对Fisher变换方法需要大量的人工标记数据的问题,将半监督学习应用到嘴唇图像的分割中,并结合水平集方法进行轮廓提取,综合利用了有标记和未标记的图像像素信息,在标记信息较少的情况下,取得了较好的轮廓提取效果。(3)实现了嘴唇轮廓提取的实验系统,完成了光照补偿、人脸检测及唇部定位、唇部轮廓提取的过程,并论证了算法的可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究目的和意义
• 1.2 国内外研究现状
• 1.2.1 图像分类与识别的研究现状
• 1.2.2 嘴唇轮廓提取的国内外研究现状
• 1.3 本文的主要研究内容
• 第2章 光照补偿问题的研究
• 2.1 引言
• 2.2 直方图均衡化
• 2.3 对数变换
• 2.4 同态滤波
• 2.5 Gamma 校正
• 2.5.1 传统的Gamma 校正
• 2.5.2 本文采用的改进的自适应Gamma 校正
• 2.6 小结
• 第3章 人脸检测
• 3.1 引言
• 3.2 基于图像的人脸检测方法
• 3.2.1 线性子空间方法
• 3.2.2 神经网络方法
• 3.2.3 其它统计方法
• 3.3 基于特征的人脸检测方法
• 3.3.1 组群特征
• 3.3.2 变形模型
• 3.3.3 底层特征
• 3.4 本文采用的基于肤色特征的人脸检测算法
• 3.5 小结
• 第4章 嘴唇轮廓提取
• 4.1 引言
• 4.2 边缘检测
• 4.2.1 基于一阶导数法的边缘检测
• 4.2.2 基于二阶导数法的边缘检测
• 4.2.3 Canny 边缘检测算子
• 4.3 阈值化分割
• 4.4 基于聚类的图像分割
• 4.5 数学形态学梯度
• 4.6 主动形状模型（ASM）
• 4.7 水平集分割
• 4.7.1 曲线演化理论
• 4.7.2 水平集理论
• 4.7.3 水平集方法的数值计算
• 4.7.4 基于水平集的C-V 图像分割模型
• 4.8 小结
• 第5章 改进的水平集方法及嘴唇轮廓提取系统的实现
• 5.1 引言
• 5.2 基于Fisher 变换的水平集方法
• 5.2.1 Fisher 变换的基本理论
• 5.2.2 基于Fisher 变换的改进水平集方法实验
• 5.3 基于半监督学习的水平集方法
• 5.3.1 半监督学习简介和发展
• 5.3.2 基于约束的半监督方法
• 5.3.3 基于半监督学习的改进水平集方法实验
• 5.4 嘴唇轮廓提取系统的实现
• 5.4.1 实验准备
• 5.4.2 光照补偿预处理
• 5.4.3 人脸检测及嘴唇粗定位
• 5.4.4 嘴唇轮廓提取
• 5.5 小结
• 第6章 总结与展望
• 参考文献
• 致谢
• 攻读学位期间取得的科研成果