圖像分割技術(shù)研究及頭發(fā)分割應(yīng)用.pdf

1、人臉識(shí)別是模式識(shí)別和計(jì)算機(jī)視覺(jué)領(lǐng)域非?；钴S的研究課題,迄今為止,對(duì)于人臉特征的提取主要都是計(jì)算全局人臉特征,這樣很容易產(chǎn)生在高維特征空間中特征向量對(duì)齊問(wèn)題,并且容易湮沒(méi)局部細(xì)節(jié)信息。故如先分割出局部圖像(頭發(fā),眼角等),再提取局部圖像特征,可提高人臉識(shí)別,年齡估計(jì),性別估計(jì)等高層人臉應(yīng)用的準(zhǔn)確度。頭發(fā)是人臉識(shí)別的一個(gè)重要局部特征,但是有關(guān)于它的檢測(cè),分析,用途在計(jì)算機(jī)視覺(jué)領(lǐng)域卻研究不多。頭發(fā)分析至少存在以下兩個(gè)應(yīng)用領(lǐng)域:身份驗(yàn)證及人臉檢

2、索。在某些情況下,頭發(fā)也是個(gè)主要的線索特征--不同的發(fā)型及臉部區(qū)域的頭發(fā)都可導(dǎo)致人臉識(shí)別出現(xiàn)誤檢,這時(shí)如果把分割的頭發(fā)去除就可提高人臉檢測(cè)率。同樣的,當(dāng)在進(jìn)行相似人臉識(shí)別的時(shí)候,提取的頭發(fā)也是個(gè)重要的單一特征,可利用分割的頭發(fā)區(qū)分相似人臉。由于頭發(fā)本身具有顏色多樣性及形狀變化性,故頭發(fā)的分割及分析具有很大的困難。本文重點(diǎn)對(duì)頭發(fā)分割分析研究,認(rèn)真學(xué)習(xí)和理解一些具有代表性的人臉識(shí)別理論及方法,常用的圖像分割算法和常用的圖像分割評(píng)價(jià)。研究的主

3、要內(nèi)容及創(chuàng)新點(diǎn)包括以下幾個(gè)方面:(1)研究了通用的圖像分割算法,如閾值分割,聚類分割(k-means,模糊聚類分割),graph-cuts。(2)討論了人臉檢測(cè)的一些方法,介紹了Haar矩形特征和積分圖像的概念,研究了Adaboost機(jī)器學(xué)習(xí)算法的基本原理,應(yīng)用Adaboost算法和矩形特征構(gòu)建了人臉檢測(cè)級(jí)聯(lián)分類器,以Intel公司開(kāi)發(fā)的OpenCV(Open Source Computer Vision Library)作為基礎(chǔ)函數(shù)庫(kù)

4、,利用Visual C++開(kāi)發(fā)語(yǔ)言編程,實(shí)現(xiàn)了人臉圖像的檢測(cè),測(cè)試了分類器的性能。(3)重點(diǎn)對(duì)頭發(fā)的自動(dòng)分割進(jìn)行試驗(yàn)研究,并提出自己的算法框架。算法利用mean shift和混合高斯模型,結(jié)合顏色,紋理,頭發(fā)位置特征來(lái)檢測(cè)頭發(fā)。方法分為三步。首先利用adaboost算法檢測(cè)人臉及人眼,人臉及人眼的位置確定可進(jìn)行人臉大小歸一化及得到頭發(fā)位置模板。其次,抽取頭發(fā)特征向量并利用mean shift對(duì)頭部區(qū)域所有像素進(jìn)行聚類,得到許多個(gè)聚類區(qū)域