人脸图像信息处理与识别技术【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

人脸图像信息处理与识别技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 人脸图像信息处理技术1

1.1 概述1

1.1.1 人脸图像信息处理与识别系统典型结构2

1.1.2 人脸图像信息处理技术的研究内容4

1.1.3 人脸图像信息处理技术应用5

1.1.4 人脸图像信息处理基本方法5

1.2 本书的组织6

本章参考文献7

第2章 人脸图像分形编码压缩算法9

2.1 数字图像压缩技术9

2.1.1 目前主要的图像压缩编码标准10

2.1.2 分形图像压缩方法及发展现状12

2.2 分形图像编码的基本理论14

2.2.1 分形压缩编码的基本概念15

2.2.2 分形压缩编码的数学基础15

2.2.3 迭代函数系统理论18

2.2.4 基于迭代变换理论的分形编码方法21

2.3 分形图像编码方法24

2.3.1 Jaequin的分形图像编码算法24

2.3.2 Fisher的自适应四叉树分形图像编码算法27

2.4 基于小波变换的分形编码算法29

2.4.1 小波理论29

2.4.2 基于小波变换的图像分形编码算法33

2.5 人脸图像分形编码算法实验结果36

2.5.1 三种分形编码算法的性能比较36

2.5.2 基于小波变换的人脸图像四叉树分形编码37

本章参考文献42

第3章 人脸的检测与定位44

3.1 人脸图像获取与预处理44

3.1.1 图像变换增强44

3.1.2 直方图均衡法45

3.1.3 非线性平滑滤波46

3.1.4 人脸图像的归一化46

3.2 人脸检测与定位基本方法46

3.2.1 基于知识的方法46

3.2.2 基于模板匹配的方法47

3.2.3 基于外观形状的方法47

3.2.4 基于特征的方法47

3.3 基于肤色检测的人脸定位算法47

3.3.1 人脸检测算法流程47

3.3.2 彩色空间及其转换48

3.3.3 肤色模型的建立及肤色的提取52

3.3.4 邻域滤波噪声消除算法52

3.3.5 基于边缘检测的肤色区域分割55

3.3.6 人脸区域粗分割57

3.3.7 基于双眼确认的人脸区域定位58

3.4 基于肤色检测的人脸定位算法实验结果59

本章参考文献61

第4章 基于模型的人脸描述与编码63

4.1 计算机视觉中的统计模型65

4.1.1 构造可变模型研究的必要性65

4.1.2 基于统计模型的特点66

4.1.3 统计形状模型的理论基础和建立66

4.1.4 选择适当的标定点67

4.1.5 变化形状的建模67

4.1.6 统计模型的匹配69

4.1.7 统计模型的测试70

4.1.8 估计形状向量的分布70

4.2 基于统计形状模型的图像解释71

4.3 主动形状模型72

4.3.1 标定训练集73

4.3.2 训练集的标准化74

4.3.3 提取统计信息并建立统计模型77

4.3.4 灰度外观模型的建立80

4.4 点分布模型在图像搜索中的应用81

4.4.1 初始估计值82

4.4.2 最佳的位移距离的确定82

4.4.3 形状和姿态参数的确定83

4.4.4 形状和姿态参数的更新84

4.5 加权主动形状模型85

4.5.1 评价信息86

4.5.2 形状子空间的加权投影87

4.5.3 调整加权矩阵88

4.5.4 WASM搜索过程89

4.5.5 实验结果90

4.6 主动外观模型91

4.6.1 形状无关图像的统计分析91

4.6.2 形状无关纹理统计模型的计算93

4.6.3 AAM模型的建模94

4.6.4 实验结果96

本章参考文献97

第5章 多视角人脸图像处理与识别方法100

5.1 核主元分析技术100

5.1.1 人脸图像特征提取101

5.1.2 KPCA的基本概念102

5.1.3 KPCA人脸识别流程105

5.1.4 奇异值分解定理107

5.2 观察子空间学习理论108

5.2.1 无监督ISA观察子空间学习109

5.2.2 有监督ISA观察子空间学习109

5.3 核空间基于支持向量机的模式分类器113

5.4 基于观察子空间的人脸图像姿态估计与人脸检测113

5.4.1 基于观察子空间的人脸图像姿态估计114

5.4.2 多姿态人脸检测117

5.5 人工神经网络分类器118

5.5.1 人工神经网络的基本概念118

5.5.2 BP神经网络120

5.6 基于KPCA和BP神经网络的多视角人脸识别122

5.6.1 人脸图像预处理123

5.6.2 KPCA特征提取128

5.6.3 BP神经网络分类129

本章参考文献131

第6章 基于小波分析的人脸特征提取与识别技术134

6.1 小波分析的基本概念134

6.1.1 小波变换的多分辨率分析136

6.1.2 二维离散小波变换137

6.2 Mallat算法138

6.2.1 一维信号的Mallat算法138

6.2.2 二维信号的Mallat算法140

6.2.3 小波变换实例141

6.3 基于小波分析的人脸特征提取与识别141

6.3.1 特征提取141

6.3.2 识别算法145

6.4 实验结果及讨论146

6.4.1 小波分解层数的确定146

6.4.2 网格数的确定147

6.4.3 小波函数的选取148

6.4.4 训练图像数目对识别率的影响149

6.4.5 支持向量机核函数的选择149

6.4.6 实验结果150

本章参考文献150

第7章 基于视觉联想的人脸识别技术153

7.1 协同计算的基本概念154

7.1.1 协同学原理：一种联系宏观特征与微观状态的非线性系统模型155

7.1.2 广义协同计算157

7.1.3 视觉计算的系统结构157

7.2 序化动力系统数学模型158

7.3 序化动力系统模型的神经网络实现161

7.4 基于协同神经网络的视觉信息联想记忆算法162

7.4.1 视觉信息联想记忆的实现方案163

7.4.2 基于ODSM模型的视觉信息联想算法163

7.5 ODSM模型的并行计算结构及其硬件实现165

7.5.1 Cannon分块矩阵计算方法及其实现165

7.5.2 序参量初始值的硬件计算和状态输出部件166

7.5.3 竞争层的硬件计算部件166

7.5.4 仿真结果及其性能分析166

7.6 梯度动力学协同神经网络学习算法170

7.6.1 标准原形模式学习算法170

7.6.2 基于梯度动力学的协同神经网络学习算法171

7.6.3 改进的梯度动力学的协同神经网络学习算法171

7.6.4 新模式扩展学习算法172

7.7 基于子波域旋转不变特征的协同神经网络人像识别174

7.7.1 基于小波变换的旋转不变性特征向量174

7.7.2 协同神经网络人像识别算法175

7.7.3 实验结果177

本章参考文献181

第8章 人脸表情分析与识别技术183

8.1 人脸表情识别方法研究现状184

8.2 人脸表情识别技术185

8.2.1 人脸表情识别系统框架185

8.2.2 表情区域定位方法比较186

8.2.3 表情特征提取方法分类188

8.2.4 表情识别方法分类189

8.2.5 人脸表情识别技术的难点190

8.3 小波变换与PCA/LDA相结合的表情识别算法191

8.3.1 二维离散小波191

8.3.2 PCA/LDA Fisher判别分析192

8.3.3 最近邻分类193

8.3.4 实验结果194

8.4 基于Gabor变换的表情特征提取195

8.4.1 小波变换概述195

8.4.2 基于Gabor小波变换的特征提取196

8.4.3 人脸表情图片的预处理197

8.4.4 K近邻分类197

8.4.5 实验结果198

本章参考文献200

第9章 视频序列中的表情分析与表情综合202

9.1 人脸建模与人脸表情合成技术204

9.1.1 人脸建模技术204

9.1.2 人脸表情合成技术206

9.2 图像的预处理208

9.2.1 尺寸归一化处理208

9.2.2 人脸图像的旋转208

9.2.3 人脸图像的比例裁剪与缩放209

9.2.4 光照补偿处理209

9.3 基于MPEG-4的人脸表情转换213

9.3.1 MPEG-4中人脸动画标准简介214

9.3.2 MPEG-4中人脸表情参数化214

9.3.3 MPEG-4中人脸动画控制数据的获取方法217

9.3.4 MPEG-4的标准人脸模型动画实现方法219

9.4 真实感细微表情的合成225

9.4.1 表情比例图的原理225

9.4.2 局部表情比例图226

9.4.3 局部表情的金字塔分解与重构227

9.4.4 面向FAP的PERI参数化方法229

9.5 展望231

本章参考文献231