基于鼻子下轮廓线的鼻尖定位法

提出了一种基于鼻子下轮廓线的鼻尖定位算法.该算法首先利用人脸先验知识和眼睛位置确定鼻子候选区域,然后用Canny算子抽出鼻子边缘,通过计算其置信度获取鼻子下轮廓线,最后采用最小二乘法拟合鼻子下轮廓线为抛物线,从而确定鼻尖位置.实验表明,本算法具有较高的鼻尖定位精度和应用价值.

利用测地距离的三维人脸定位算法

针对传统的二维人脸定位,无法克服旋转、表情、姿态等因素带来的问题,同时传统定位算法的准确率较低,算法在三维人脸模型的基础上,加入测地距离,提出利用测地距离的三维人脸定位算法。首先输入待检测的三维人脸图像,对其进行维纳滤波预处理,在预处理后的图像中进行鼻尖点定位,进而找到人脸的位置,在待检测图像中标记所得到的人脸区域。算法在三维人脸库FRGC和BU-3DFE上进行实验,利用深度信息定位方法和SPIDER特征点定位方法进行对比,实验结果表明本算法的定位准确率更高,鲁棒性更强。

基于最小二乘法的鼻子轮廓提取

针对传统的机器人肖像绘画技术中,现有方法难以对提取的鼻子轮廓线条的特征进行表征,进而影响了对鼻子的编码和矢量化的问题,提出一种基于最小二乘法的鼻子轮廓提取算法.首先在检测鼻子的基础上定位鼻尖和鼻孔;然后定位关键特征点,并通过关键特征点的约束控制搜索轮廓参考点;最后基于最小二乘法拟合轮廓曲线,得到鼻子轮廓曲线.实验结果表明,应用该算法能很有效地提取鼻子轮廓特征,且有利于编码和矢量化.

基于模糊算法的面部图像处理

为增强图像自动识别的准确率,采用一种基于模糊算法的多层次增强算法。首先利用图像统计特性将图像进行平滑处理,目的是抑制图像噪声和高频干扰成分从而使图像亮度平缓渐变,减小突变梯度,改善图像质量。运用图像分割将面部不同器官区分并生成数字特征,然后运用MATLAB对其进行处理以确定面部各器官标定点的位置。提出了边缘特征分析法定位眼睛的方法和一种基于鼻子下轮廓线的鼻尖定位算法。运用灰度变换,直方图修正,图像锐化等图像增强手段改善图像的视觉效果并将其转换成更适宜计算机分析处理的形式,最后将处理过后的两张图片做差值分析从而判断是否为同一人。

一种对姿态稳健的鼻尖点快速定位算法

提出了一种对姿态稳健的鼻尖点快速定位算法。在局部基准坐标(LRF)下计算顶点的平面距离能量,并设计了一种新的迭代筛选算法,计算得到候选点;计算候选点集中的每个顶点在人脸三维矢量场中的散度,将散度值最大的顶点作为鼻尖点。在FRGC v2.0和Bosphorus人脸库上对算法进行验证,在Bosphorus库上最终平均每张人脸定位仅耗时0.62s,在FRGC v2.0库上的定位准确率为95.6%。最后与当前其他算法进行对比,所提算法在速度和精度上均取得了较好的结果。实验结果证明所提算法不仅有望达到实时处理的要求,还具有较高的准确率,且对人脸姿态变化具有稳健性。