离散对称变换在人脸图像眼睛定位中的应用

从计算离散对称值出发,提出了一种自动定位人脸图像中眼睛的离散对称变换算法,通过邻域灰度均匀度算子对各点邻域的检测,去除处于规则区域的点,并用圆环邻域代替对称算子圆形邻域,大大降低了计算量,提高了圣称的准确性,实验结果表明：在未进一步利用对称角度和人脸固有的几何比例关系的情况下,该算法能准确地对正面人脸图像中的眼睛进行定位。     

人眼快速检测技术

人脸检测定住中首先要处理人眼定位的问题,快速定位人眼的位置是实现对人脸实时性定位的关键问题.因此.在人脸检测已检测出人脸图像的基础上,对人眼瞳孔位置进行了检测定位.采用形态学滤波的方法快速对眼睛位置粗略定位.再用精确眼睛区域二次定位算法就可在0.3 s内找出眼睛位置.     

基于对称变换与高斯微分的人脸定位新方法

在实际人脸识别系统中,复杂背景、无控制光照及成像质量对人脸的准确定位造成了严重影响.本文针对上述情况提出了一种室内自然环境下人脸准确定位的新方法.该方法充分利用了人脸具有的强对称性与三维特性,运用高斯微分求图像边缘,再对广义对称变换及径向对称变换加以规则限制,实现了人脸眉心的准确定位及对尺度因子的估计,进而实现了人眼的准确定位,具有很强的稳健性.     

基于对称变换与自评估的人眼定位新方法

眼睛闭合、眼镜反光、眼球被眼帘覆盖以及光照不均等对实际人眼的准确定位都会造成很大影响.本文针对上述问题,利用人眼具有的强对称性,提出了一种基于小波变换、对称变换和自评估规则的人眼定位新方法.采用ORL人脸库仿真试验,结果表明本文方法定位准确率高、计算量小、稳健性强,对一般人脸状态具有较大的实际应用价值.     

多尺度对称变换及其应用于定位人脸特征点

提出了一种在图像的反对称双正交小波分解数据域中,实现多尺度对称变换的方法,并将它应用于脸部图像中主要特征点的定位.这种方法与直接在原始图像数据域中的同类方法相比,能大幅度减少计算量、加快定位速度,并明显提高定位准确度.除此之外,由于它是在小波分解数据域上实现的,这就为在图像数据压缩域中提取人脸图像特征奠定了基础.     

一种新的人脸图像中眼睛定位方法

提出了一种新的图像中人眼检测算法.在一幅已知人脸图像区域中,首先采用中值滤波除去噪声点,然后选取灰度变化最大的几块区域作为眉眼候选区域.最后利用SIFT方法在候选区域中最终定位眼睛的精确位置、尺度和方向.实验结果证明,本文所提出的算法具有准确率高和计算量小的优点.     

基于人脸结构特征的眼睛定位算法

眼睛定位在人脸识别检测过程中起着非常重要的作用.研究后发现,眼睛的灰度值在人脸所有的五官中是最高的,且具有一定的面积.文中针对人脸各器官的几何结构特征,结合眼睛灰度信息提出了一种新的眼睛定位算法:通过对灰度图像进行垂直和水平灰度投影后,能够对人脸初步定位,然后用一个相当于瞳孔大小的方形框去搜索整张脸,当落在这个框内的黑色像素的个数达到最大时,这个框的位置就是眼睛的位置.经过实验,这种算法定位准确且定位时间短.     

基于小波变换和梯度矢量的人脸特征点定位

人脸特征点的定位是自动人脸识别系统和人脸表情识别的重要组成部分,小波变换是近年发展起来的一种有效的信号分析工具。在小波变换基础上,提出了一种基于多尺度梯度矢量的对称变换方法,将此方法应用于人脸特征点定位,不仅减少了计算量,而且提高了定位准确度,同时对光照变化和人脸表情变化也具有很强的鲁棒性。     

基于梯度向量流场的眼睛特征提取

根据人脸图像的边缘梯度图提出了一种新的基于梯度向量流场的眼睛特征提取方法。该算法改进原有的梯度向量流迭代方程求解梯度向量流场,以梯度向量流场中的汇点作为候选点,通过人脸器官的几何位置关系等方法评价候选点以定位眼球。该算法能较好地容忍一定的光照变化、人脸的小角度倾斜和旋转、闭眼和眼镜等干扰。在具有以上干扰的ORL人脸库的400幅图像上的实验证明,该算法具有较好的眼睛特征抽取能力。     

复杂背景中人脸位置的检测及其分割方法

人脸是一个复杂的模式，在图像中自动地对其进行定位和分割是进行识别的首条条件，本文提出了一种新的复杂背景下对未知大小，位置和数目人脸进行定位和分割的算法，它利用了基于知识的金字塔方法，主要由三部分组成：较高的两级是在多尺度脊边缘检测的基础上，利用Ｂ－样条二进小波变换通过检测在不同分辨率下的极小值（对应眼睛）和极大值点（对应人脸）利用尺度，包含和对称等关系进行初步筛选，最后利用人眼的特点最终确定其位置     

基于综合肤色检测和二值形态学的人脸定位研究

针对人脸定位检测中存在的速度慢、精度低及噪声干扰问题,提出了一种基于综合肤色检测和二值形态学的人脸定位检测算法.该算法将YCrCb(明亮度-色调-饱和度)模型与HSV(色相-饱和度-色调)模型用于人脸综合肤色检测,在YCrCb与HSV空间中根据待检测图像每点的颜色值进行人体区域或背景区域的判断;然后,将检测图像转换为二值图像,对图像进行形态学处理;最后,选用人脸几何特征对筛选后连通区域进行判别,实现人脸的准确定位和检测.实验结果表明,该算法对于简单、中等、复杂三种情况下人脸图像的检测正确率分别达到了99%、92%和85%.另外,由于二值形态学消噪算法的使用不仅提高了人脸检测的准确率,而且加快了检测速度.     

确定区域的人脸彩色传递

在对整幅图像色彩传递算法的基础上,提出了确定区域的人脸彩色传递法。首先利用改进的主动形状模型(ASM)方法定位人脸特征点,进而利用区域生长法确定人脸区域。在将参考图像和目标图像(彩色或灰度图)转换到去相关的对立色空间(lαβ颜色空间)后,对于彩色目标图像,分别调整肤色区域图各通道的均值和标准差;对于灰度目标图像,用亮度邻域统计量匹配的方法在参考图像中选取匹配点,并将匹配点的颜色赋值给目标图像中的对应点。最后,把传递结果转换到RGB颜色空间显示。实验结果表明,该方法能有效传递肤色,形成自然逼真的彩色人脸图像。     

人脸识别中的眼睛定位

本文提出一种结合人脸中眼睛的灰度及形状信息对人脸识别中的眼睛进行定位的算法。该算法容易实现,运算量少,且与图像的平移、旋转、尺度无关。实验表明,该算法在人脸识别的眼睛定位上有较高的准确度。     

一种改进的非局部平均去噪方法

 对非局部平均去噪算法提出了以下改进：首先,利用图像中具有对称结构的性质,在相似性邻域的比较中引入邻域的对称变换,更好地利用了图像的自相似性质;其次,提出一种基于图像灰度分布统计特性的滤波参数选取方法,能够根据不同像素的特点自适应地选取滤波参数;此外,利用非局部平均算法能有效地保护图像结构信息的性质,提出一种两级非局部平均去噪方法.对测试图像去噪的实验结果表明,与原始算法相比,提出的改进方法能够在保护图像结构信息的前提下更有效地去除噪声,峰值信噪比最多可以提高5.9dB, 去噪效果优于BM-3D方法.     

基于肤色的实时人脸检测算法研究

研究了一种基于肤色的人脸检测算法的设计与实现过程。在YIQ颜色空间中,进行了有效的肤色提取,把提取到的肤色与背景图像信息转为二值图像进行形态学降噪处理,再采用质心定位法进行准确的眼睛定位,最后对检测到的人脸图像进行缩放、旋转、移位校正,以提高输出人脸图像的质量。实验结果表明,本文所提的算法具有很高的准确率与检测速度,能够适用于实时人脸检测系统。     

基于ASM的人脸特征点自动标定

针对经典弹性图匹配算法中人脸特征点的定位问题,本文提出了一种利用机器自标定来代替传统的手工标定的算法.本文算法首先利用可变形状模型拟合出人脸的轮廓,得到人脸关键特征点位置的初始估计,然后利用参考图像中对应特征点的Gabor系数调整初始位置,最终实现关键特征点的精确定位.实验结果表明,算法可以有效地定位出人脸特征点,定位结果稳定.     

基于图像分割的快速人脸定位方法

针对图像中人脸部分比非人脸部分小得多的情况,设计了分类器专门用于人脸的粗定位.该分类器算法的主要步骤是,先对图像进行预处理,再使用0AC滤波器滤波,最后使用阈值分割法将图像分割为人脸区域、可能人脸区域和非人脸区域3部分.为人脸细定位算法减少了计算量,增加了准确率.对CMU数据库中的图像进行测试,非人脸区域的排除率能达到99%,误检率仅有1.3%.实验结果证明了该算法的有效性和可靠性.     

基于DWT,2DPCA和KPCA的人脸识别

利用离散小波变换对人脸图像进行压缩,提取人脸的低频分量,有效去除人脸图像高频分量的影响;再利用二维主元分析对小波变换后的人脸低频分量实行提取特征;然后使用核主元分析再次提取特征;最后用最小距离分类器完成人脸识别.基于ORL人脸数据库的实验结果表明,该算法能提高人脸识别率,有效减少计算量和降低计算复杂度.     

有背景人脸图像中人眼的检测与定位

基于人脸的几何特征和图像分割原理,研究了一种在有背景的灰度人脸图像中自动检测与定位人眼的新算法.该算法基于人脸器官几何分布先验知识建立人眼位置判定准则,对人眼的分割阈值范围进行粗估计,采用分割阈值递增法,并结合人眼位置判定准则判定分割图像中双眼黑块是否出现,再利用二维相关系数作为对称相似性测度,检验检测到的双眼的真实性.实验验证表明,所提出的人眼检测与定位方法在速度和准确性方面具有良好的性能.     

基于特征点定位与肤色分割的胡子检测算法

针对具有一定程度偏转和模糊的人脸图像难以实现胡子检测的问题,提出基于人脸特征点定位与肤色分割的胡子检测算法.该算法的设计思路是首先使用主动形状模型(ASM)算法定位人脸特征点进而获取下巴区域,然后利用提出的自动选择聚类中心(ASCC)的肤色分割算法分离出下巴的非肤色区域,最后在下巴非肤色区域中使用胡子颜色判别法检测得到胡子.在LFW人脸库上的实验表明,该算法能够准确地检测出入脸的胡子,特别地,对有一定程度偏转和模糊的人脸图像,算法依然能获取良好的检测效果.