基于岭回归与最近邻搜索的人脸画像合成算法

针对现有人脸画像合成算法复杂度高、合成速度慢的问题,提出了一种基于岭回归与最近邻搜索的快速人脸画像合成算法。该算法的核心是利用岭回归由人脸照片块获得初始合成画像块,并在此基础上利用最近邻搜索在训练画像块样本集中找到与初始合成画像块最相似的画像块作为最终合成画像块,使得细节纹理更具画像风格,并将合成画像块拼接得到合成人脸画像。通过仿真实验表明,该算法不仅能由人脸照片合成出高质量的人脸画像,且具有计算复杂度低、合成速度快的优点。

基于深度概率图模型的鲁棒人脸画像合成

针对基于数据驱动的人脸画像合成算法像素特征缺乏对光照变化和复杂背景的鲁棒性,常合成低质量的画像的问题,文中提出基于深度概率图模型的鲁棒人脸画像合成算法.采用预处理方法调整测试照片的光照亮度和人脸姿态,使之与训练照片一致.采用深度特征代替像素特征进行近邻匹配,采用深度概率图模型对画像重建权重和深度特征权重联合建模,得到合成画像的最佳重构表示.为了提高画像合成速度,提出快速近邻搜索方法.实验验证文中算法的鲁棒性和快速性.

基于弹性网络模型的人脸画像合成方法

针对传统人脸画像合成算法在复杂背景下合成的人脸画像清晰度低、鲁棒性差的问题,文章提出一种基于弹性网络模型的人脸画像合成方法。首先,将照片的深度特征和像素值特征进行加权组合进行近邻块搜索;其次,将照片的深度特征添加到弹性网络模型中进行网络模型的创建;最后,提出一种基于自适应调整因子的 KMeans-XGBoost 高频恢复方法对画像的高频信息进行恢复。实验结果表明:该方法在复杂背景下的合成画像在纹理细节和画像质量上均优于传统方法。

基于局部约束邻域嵌入的人脸画像-照片合成

针对画像块和照片块在流形上的邻域关系并不能完全反映彼此内在数据结构的问题,提出一种基于局部约束邻域嵌入(LCNE)的画像-照片合成算法。首先,利用基于邻域嵌入(NE)的合成方法得到待合成照片或画像的初始估计;其次,根据待合成的照片块或画像块与训练集中的照片块或画像块的相似性来约束合成权值;然后,通过交替优化方法进行权值的确定和K-近邻的选择,并更新待合成目标块;最后,合并所有估计的照片块或画像块合成目标图像。与基于邻域嵌入的画像照片合成方法相比,所提方法合成图像的结构相似度提高0.050 3,脸识别准确率提高14%。实验结果表明,该方法解决了基于NE方法导致的邻域之间兼容性不强的问题,能大大减少合成图像上的噪声及变形。

基于面部组件码表的人脸照片库缩减方法

在实际匹配人脸合成画像与照片时,待匹配的照片库是非常庞大的,现有的匹配方法都非常耗时。提出一种基于面部组件码(FCC)表的人脸照片库缩减方法。该方法分为2个阶段:在第1阶段,创建一个面部组件码表库。其中,使用梯度位置方向直方图(GLOH)来描述人脸合成画像的不变特征。在第2阶段,构建缩小后的照片库。本阶段使用待匹配的人脸合成画像的6个面部组件码在FCC表库中检索,将符合条件的FCC表对应的照片来构建缩小后的照片库。方法使用人脸合成画像软件(FACES EDU 4.0)在包含1 119张照片的照片库上进行了实验。实验结果表明:该方法将照片库缩减为原库大小的55.85%,保留目标照片的概率为95.16%。