论文部分内容阅读
自动人脸识别研究试图赋予计算机根据人脸辨别人物身份的能力。该研究具有重要的科学意义和巨大的应用价值。经过三十多年的发展，技术取得了长足的进步，目前最好的系统在理想情况下已经能够取得可以接受的识别性能。但测试和实践经验表明非理想条件下的人脸识别技术还远未成熟，要开发出真正鲁棒、实用的应用系统还需要解决大量的关键问题，尤其需要研究作为识别必要前提条件的面部关键特征点精确定位问题。
小波变换因其良好的时频局部化特性和多分辨分析的特点，能够提供最为实质的人脸特征、削弱噪声的干扰、减少计算量，因此将小波变换应用于人脸特征点定位具有良好的发展前景。
本文在研究人脸特征点定位相关技术上，针对现有特征点定位方法的不足，提出了一种基于小波变换的人脸特征点定位方法，本文的研究工作主要包括以下几个部分：
1.在深入研究现阶段已有的各种人脸特征点定位算法和小波理论的基础上，比较现有特征点定位方法的优缺点，通过选取反对称双正交小波基，提出了一种基于多尺度对称变换的人脸特征点定位方法，该方法融合了小波变换和对称变换，由于采用了由粗至精的多尺度定位方法，有效地提高了算法效率，并且抑制了噪声的影响。
2.在多尺度对称变换算法中，采用了自评估算法来实现定位过程中待选对称点的筛选，也就是按照某种归则，评估第一次的结果是否符合要求，对第一次定位中被判为不正确的进行二次定位，以此提高定位的准确性。
3.针对一些结构复杂的人脸图像，在多尺度对称变换方法的基础上融合了主元分析的集合矫正方法，通过对图像多分辨率边缘点进行主元分析来实现人脸图像对称轴的粗检测，同时实现了对图像尺度的估计，因此能应用于图像的几何归一化，通过对人脸图像的几何归一化，能大大减少定位过程中的复杂度。
人脸特征点的定位是人脸表情识别的关键步骤，特征定位的准确与否直接关系到后续应用的可靠性，多尺度对称变换方法不仅提高了定位准确度，还大幅度减少了计算量。从而进一步提高了人脸表情识别的效率。
由于本文所提出的多尺度对称变换方法是在小波分解域上实现的，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。