異質(zhì)人臉圖像合成及其應(yīng)用研究.pdf

1、成像技術(shù)的不斷進(jìn)步提供了不同類型的圖像形態(tài)，稱之為異質(zhì)圖像。以人臉圖像為例，現(xiàn)有技術(shù)可以得到某人的可見光圖像、近紅外圖像、熱紅外圖像以及素描畫或線條畫等。這些不同類型的圖像在不同的表達(dá)空間給出了同一目標(biāo)的豐富多彩的描述和刻畫，它們之間既存在冗余也存在互補(bǔ)，讓人們能夠全面地認(rèn)識事物的本質(zhì)特性。其互信息的有效挖掘與利用，可加深對對象的感知理解，對公共安全與媒體娛樂等領(lǐng)域有廣泛應(yīng)用價(jià)值，也將是未來物聯(lián)網(wǎng)中的重要信息形態(tài)。
　　不同類型的

2、成像傳感器所生成的圖像具有不同的用途，傳統(tǒng)信息處理研究的重點(diǎn)是多傳感器之間的信息融合，以獲得目標(biāo)更全面的描述。而在實(shí)際應(yīng)用中有可能存在傳感器的缺失，即N個(gè)傳感器只得到了M(M

3、基于合成圖像的一些應(yīng)用如基于畫像的人臉識別等。論文的主要?jiǎng)?chuàng)新性概括為：
　　1.提出一種自適應(yīng)確定相關(guān)特征個(gè)數(shù)的稀疏特征選擇方法?，F(xiàn)有的方法在選擇近鄰時(shí)采用固定個(gè)數(shù)（K）的近鄰來進(jìn)行異質(zhì)人臉圖像的合成，而由于訓(xùn)練數(shù)據(jù)庫中異質(zhì)人臉圖像樣本對個(gè)數(shù)的限制，固定個(gè)數(shù)的近鄰中可能存在不相關(guān)的樣本，從而帶來了一定的噪聲。針對這一問題，基于稀疏表示，提出一種能夠自適應(yīng)確定相關(guān)特征個(gè)數(shù)的方法。實(shí)驗(yàn)結(jié)果表明該方法相對于直接采用近鄰選擇近鄰的方法能夠

4、取得更好的合成效果。
　　2.提出一種基于幻象技術(shù)的異質(zhì)人臉圖像圖像合成方法。現(xiàn)有異質(zhì)人臉圖像合成算法合成圖像時(shí)多采用線性組合的方式，而線性組合或線性加權(quán)平均可以看做一低通濾波器，會過濾掉一些高頻細(xì)節(jié)信息。受人臉幻象思想啟發(fā)，提出一種兩步框架來進(jìn)一步增強(qiáng)現(xiàn)有方法合成圖像質(zhì)量:第一步可以為現(xiàn)有的異質(zhì)人臉圖像合成方法例如提出的稀疏特征選擇方法；第二步是模擬生成丟失的高頻細(xì)節(jié)信息，并將之疊加到第一步的合成結(jié)果上去。實(shí)驗(yàn)結(jié)果表明該方法合成

5、圖像高頻細(xì)節(jié)信息更加豐富。
　　3.提出一種基于直推式學(xué)習(xí)的異質(zhì)人臉圖像合成方法?，F(xiàn)有異質(zhì)人臉圖像合成算法多是基于歸納式學(xué)習(xí)的，這些方法都取得了一定的效果，但是這些方法因?yàn)槭菍τ?xùn)練樣本進(jìn)行最小化經(jīng)驗(yàn)風(fēng)險(xiǎn)誤差，使得測試樣本風(fēng)險(xiǎn)誤差增加。而直推式學(xué)習(xí)是將所有的樣本(包括測試樣本和訓(xùn)練樣本)一起進(jìn)行學(xué)習(xí)，以最小化測試樣本風(fēng)險(xiǎn)誤差為目標(biāo)，因而能夠減小風(fēng)險(xiǎn)誤差。因而，結(jié)合貝葉斯概率圖模型，提出一種基于直推式學(xué)習(xí)的異質(zhì)人臉圖像合成方法來最優(yōu)化

6、輸入圖像的重構(gòu)約束和輸出圖像的合成約束。實(shí)驗(yàn)結(jié)果表明該方法能夠取得相較于歸納式學(xué)習(xí)方法更好的主觀和客觀效果。
　　4.構(gòu)建了合成人臉畫像質(zhì)量評價(jià)庫，并提出一種合成人臉畫像客觀質(zhì)量評價(jià)框架。首先基于成對比較的思想對現(xiàn)有的五個(gè)代表性異質(zhì)人臉圖像合成算法合成的畫像進(jìn)行了主觀質(zhì)量評價(jià)；進(jìn)而利用現(xiàn)有的質(zhì)量評價(jià)算法來對合成的人臉畫像進(jìn)行質(zhì)量評價(jià)，并計(jì)算其與主觀質(zhì)量評價(jià)結(jié)果的一致性；實(shí)驗(yàn)結(jié)果表明現(xiàn)有的質(zhì)量評價(jià)方法得到的評價(jià)分?jǐn)?shù)與主觀分?jǐn)?shù)一致性不