由粗到精的三维人脸稀疏重建方法

针对传统三维人脸重建算法精度不高的问题, 提出一种由粗到精的三维人脸稀疏重建方法。根据稀疏形变模型方法对待重建人脸的部分区域显著点进行重建, 得到第1步重建结果, 并在此基础上进行后续重建。将第1步的重建结果作为新的参考模型, 求取待重建人脸与参考模型的特征点的坐标投影距离, 从而求取参考模型的形变因子, 完成最终三维人脸的重建。由于两步稀疏重建的作用不同, 对重建过程中参数的选取也采用不同方式。实验结果表明, 该方法能有效提高人脸重建精度, 同时保持较快的重建速度。     

二维人脸的三维真实感重建

章为解决特定人脸的三维真实感模拟提供了一个简单而行之有效的算法．首先，给出特定人脸的二维多方向照片及三维人脸中性模型，通过中性模型到特定人胜模型的变换产生特定三维人脸模型；然后，对特定三维人脸模型网格体做消隐、投影、纹理映射后合成具有高度真实感的三维特定人脸．如果提供具有特定表情的三维人脸中性网格体和多方向表情照片，该方法同样适用．     

基于真实三维信息的人脸自动识别

基于三维信息的人脸识别建立在二维人脸识别和人脸真实三维模型重建基础上,通过利用人脸三维模型的不变性,克服目前常用的二维人脸识别过程中存在的成像限制大(必须是正面像)、易于被欺骗(如化装、带眼镜等),从而进一步提高识别的正确率和可靠性.     

鲁棒截断L1-L2全变分稀疏恢复模型

信号获取过程中,除了有高斯噪声外,还有具有脉冲性质的稀疏噪声,常用的鲁棒稀疏信号恢复模型能够在稀疏噪声环境下恢复出原始的稀疏信号。但是,许多实际应用问题需要考虑原始信号的结构稀疏性,如梯度稀疏。为了从稀疏噪声和高斯噪声共存的环境下恢复出结构稀疏的原始高维信号,文中基于截断L₁-L₂全变分、3维截断L₁-L₂全变分和鲁棒压缩感知,提出了两个非凸非光滑优化模型,用于解决高斯噪声和稀疏噪声混合影响下的结构稀疏信号恢复问题,并采用含有外推的邻近交替线性极小化算法求解这两个优化模型,使用含外推的邻近凸差算法求解子问题,在势函数具有Kurdyka-Lojasiewicz(KL)性质的条件下,给出了含外推交替极小化算法和含外推邻近凸差算法的收敛性分析。数值实验测试了高斯噪声灰度图像、混合噪声彩色图像、混合噪声灰度视频等,采用图像峰值信噪比(PSNR)作为评价准则。实验结果表明,文中模型能够更好地恢复出原始的结构稀疏信号,且在同一噪声环境下文中模型恢复的信号具有更优的PSNR值。     

基于真实感三维头重建的人脸替换

传统的人脸替换技术需要输入的源图像中的人脸与待替换的目标图像中的人脸姿态相似,这限制了人脸替换技术的应用。该文提出一种基于特定三维头模型重建的人脸替换技术。首先,利用替换者的2张正交图像(1张正面图像和1张侧面图像)进行三维头重建。整个三维头重建过程分为人脸图像配准、特征点匹配、标准三维头形变和纹理贴图4个部分。形变部分利用了径向基函数对标准三维头进行形变以获得最终的特定三维头模型。通过建立替换者的真实感三维头模型,渲染出与任意目标图像姿态相一致的人脸图像。为了让渲染后的人脸图像与目标图像进行无缝纹理融合,还进行了色彩传递和基于多分辨率技术的边界融合。用此方法可将故事书中的任意角色替换成用户,以此提供个性化的图书。     

基于弱监督学习的细节三维人脸重建

人脸细节特征(如皱纹、沟壑等)在表达情感信息和提高模型真实感上起着重要作用,然而目前大多数细节重建算法忽略了人脸细节的复杂特性,以单一方法提取细节,无法兼顾细节重建质量和鲁棒性。为此,本文提出了一个基于弱监督学习的重建算法,使用基于三维人脸形变模型的粗略模型和UV空间的位移贴图来表示细节人脸。为提升网络的细节提取能力,在细节生成部分将人脸细节分为表情相关细节和表情无关细节,并根据两种细节的不同特性分别设计细节生成网络。为进一步提升重建细节的质量,设计了一组针对细节重建的多层级损失函数。最后在大量无标签的二维图像中以弱监督方式学习,实现基于单张图像的细节三维人脸重建。大量实验结果表明,本文算法在鲁棒性和细节重建质量上均有较好的表现。     

利用多通道联合稀疏重建的干涉逆合成孔径雷达三维成像算法

针对单通道超分辨成像算法重建的超分辨图像间散射点的位置出现偏差的问题,提出了一种利用多通道联合稀疏重建的干涉逆合成孔径雷达(MCJSR-InISAR)三维成像算法。首先利用联合包络对齐算法校正目标平动对应的包络时延,再利用联合自聚焦算法实现平动补偿的初相校正,对来自不同天线的回波信号的距离差进行补偿,然后利用MCJSR进行超分辨成像,同时利用快速傅里叶变换提高运算效率,最后利用水平及俯仰干涉相位信息实现机动目标的InISAR三维成像。MCJSR-InISAR算法具有更高的强散射中心重建精度,能够对通道间的相对相位信息进行有效的保持。实测数据表明,与单通道超分辨成像算法相比,MCJSR-InISAR算法成像结果的熵值降低了约0.17,且运算复杂度降低了O(105)。     

基于三维重建的人脸姿态估计

人脸姿态估计是计算机视觉及人脸识别领域的一项关键研究内容.将三维模型应用于估计人脸图像姿态参数,提出了基于三维重建的人脸姿态估计算法.根据人脸正面图片上的特征点计算出形状参数,实现三维人脸重建.基于三维人脸模型,由姿态图片上提取的特征点信息推知等姿态下模型上对应特征点的信息,针对照模型正面姿态,运用线性回归估计姿态参数.实验表明,重建的三维人脸具有较好的真实感,在较大的姿态变化范围内,该方法也能够取得较好的估计精确并具有鲁棒性.     

基于稀疏性约束非负矩阵分解的人脸年龄估计方法

基于人脸图像的年龄自动估计已经成为当前人脸识别领域的一个重要研究方向。首先通过非负矩阵分解(non-negative matrix factorization,NMF)算法对基矩阵或系数矩阵进行稀疏性约束,用形成的更具有局部表达能力的子空间对人脸图像数据进行表示。然后使用径向基函数神经网络进行训练和测试,提取包含在大多数人脸图像上的年龄信息来进行年龄估计。实验结果表明,具有稀疏性约束的非负矩阵分解算法对年龄估计问题具有良好的应用效果。     

直接线性变换法中标定对三维重构精度的影响

为研究直接线性变换算法中标定对三维重构精度的影响 ,对不同标定方法进行了分析探讨。并在此基础上研制了三维人体运动分析系统 ,进行了标定实验 ,取得了较为理想的测量结果。分析表明 :1)在三维测量中控制点应包含有效测量空间 ;2 )在测量空间内应尽可能多的均匀分布控制点。该三维人体运动分析系统经标定实验验证 ,测量相对误差小于 2 % ,具有较高精度     

基于稀疏表达的人脸遮挡物去除

人脸识别技术是目前最具发展潜力的生物特征识别技术之一。眼镜、围巾等遮挡物的存在对人脸识别系统的识别率影响很大,为了提高有遮挡的正面人脸图像的识别率,文章提出了基于稀疏表达分类的去除遮挡的方法。该方法对于有遮挡的人脸图像先求出其在无遮挡人脸图像训练集上的稀疏系数,再根据求得的稀疏系数进行恢复重建,得到去遮挡的人脸图像。实验表明该方法能有效地去除遮挡和提高识别率。     

中国虚拟人三维模型重建和可视化

中国虚拟人项目已公开发布了数例人体数据集．与美国及韩国虚拟人数据集相比,中国虚拟人数据集提供的解剖和生理信息更为详尽．为解决数据量大处理复杂的难题,研究和实现了基于PC机环境的超大数据集三维模型重建和可视化．为提高重建精度,提出了几种处理算法：各向异性扩散预处理、相关性配准处理和基于水平集的分割处理．利用多处理器和多线程技术,提出并研究了任务并行、管线并行和数据并行的新并行策略,以及一种修正的同步模板算法,可有效提高处理速度．     

简化的图像三维重建算法

提出了一种简化的图像三维重建算法,该算法利用灰度信息的相似性测度自动寻找两幅图像对应点,再根据双目成像几何模型计算图像的深度信息.给定了相似性测度,两幅图像的匹配可以描述为一个最小化的问题.在实际应用中利用区域对应、唯一性控制等机制以增强算法的精确度和稳定性.     

三维重建和体积测量法预测股骨头坏死的塌陷

目前尚没有统一的确定股骨头坏死病灶的大小和部位的方法,导致对股骨头坏死的治疗方案存在争议。该文利用三维重建技术对坏死股骨头的M R I影像进行重构,获得坏死股骨头的三维几何模型,并由几何模型测量得到股骨头及坏死病灶的体积,同时进行临床实验获得真实坏死股骨头的体积数据。通过对38髋病人股骨头的计算机几何模型数据与临床实验数据的统计分析,讨论了股骨头坏死病灶大小和部位与股骨头塌陷的关系。结果表明,该方法可用于指导选择最佳的临床治疗方案。     

二次近邻稀疏重构法及人脸识别

基于整个数据集的稀疏表示(sparse representation classification,SRC)用于人脸识别在很大程度上影响了运行效率.如何利用较少样本稀疏表示在保证计算效率的同时,识别率也有一定提升,尤其是面对光照、角度、姿态等非受控环境,目前仍是一个问题.考虑到协同表示(collaborative representation classification,CRC)基于l2范数稀疏求解的优势,为进一步提升CRC的整体分类性能,引入类内近邻,提出一种二次近邻稀疏重构表示法.该方法首先在原始训练集上选择各类训练样本中与待测样本距离相近的若干样本组成近邻样本集,并协同表示,接着分别用各类近邻样本重构待测样本,再次选择与待测样本相近的若干重构样本协同表示,最终实现模式分类.在ORL和FERET数据库上的仿真实验表明,相比现有的一些CRC算法,该方法在一定程度上缩短了运行时间,并使识别更精确.     

一个基于多视图立体视觉的三维重建方法

研究了基于多视图立体视觉的三维重建方法.给定一组待重建物体的图像,利用传统的立体视觉技术计算每幅图像的深度信息;然后设计一个基于体素划分的模型融合方法,将图像的深度信息融合为一个完整的三维初始模型;随后,对初始模型进行全局的迭代优化,输出最终的重建模型.在构造体素网络图时,充分利用图像一致性度量建立体素之间的连接关系;在对模型迭代优化时,结合图像一致性度量和网格的光顺性准则.该方法能很好地处理纹理缺失的区域,获得完整的三维模型.实验结果证明:该方法能够重建高质量完整的三维模型.     

基于造影图对的血管三维重建显示

在某些医学诊断和治疗过程中需要了解生理结构的三维信息,本文介绍了血管三维重建的工作.首先讨论了几种处理方法,着重讨论三维重建的匹配过程,并提出了一种新的基于二叉树数据结构的匹配方法.该方法能有效地解决匹配过程中一点对应多点的问题.最后介绍了一种对血管进行三维描述和显示的技术.