基于压缩感知理论的3维人脸快速重建

目的针对形变模型方法中模型构建的缺陷,提出一种基于压缩感知理论的快速3维人脸重建方法。方法首先,利用压缩感知理论估计3维原型人脸与目标人脸的形状相似性,根据相似性对原型样本进行筛选并构建相应的形变模型;然后,利用面部特征点信息进行稀疏模型匹配,并结合径向基函数插值重建生成特定的3维人脸。结果在BJUT 3维数据库和CAS-PEAL 2维数据库上的实验结果表明,该方法的重建精度和重建速度均优于经典方法,重建人脸具有较强真实感。结论该方法利用压缩感知理论快速筛选原型样本构建形变模型,有效地提高了建模精度和效率;结合RBF插值的重建策略进一步提高了重建表面的平滑度。

基于图割及动态片结构的3维人脸多视图体重建

针对3维人脸重建问题提出了一种新颖的多视图体重建方法,以解决目前3维人脸重建方法只适用于小样本集合,大范围推广时精度难以保证的弱点。该方法创新之处在于将基于特征点匹配的重建方法与立体重建方法结合引入到图割优化框架,并应用于3维人脸重建。本文两个重要改进工作是设计动态片结构描述来进行颜色一致性估计以及设计新的动态图结构以去除半个体素尺寸的重建误差。实验中分别采用8张、16张和30张存在亮度变化的人脸多视角图像验证算法。实验结果逼真,同时避免了传统重建方法结果受限于样本集分布的问题。