基于统计学习的人脸图像合成方法研究
| 摘 要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 引言 | 第12-34页 |
| ·研究内容与研究意义 | 第12-14页 |
| ·三维人脸建模和人脸动画技术 | 第14-19页 |
| ·人头三维数据的获取方法 | 第14-16页 |
| ·基于参数模型的人脸动画 | 第16-17页 |
| ·基于生理模型的人脸动画 | 第17-18页 |
| ·MPEG4中的人脸动画 | 第18-19页 |
| ·基于图像样本和基于统计学习的人脸动画 | 第19-25页 |
| ·单张图像变形 | 第19-20页 |
| ·关键帧与渐变技术 | 第20-21页 |
| ·图像序列拼接 | 第21-22页 |
| ·比例图像的应用 | 第22-23页 |
| ·统计学习方法的应用 | 第23-25页 |
| ·Cootes的人脸参数化统计模型 | 第25-29页 |
| ·模型原理 | 第25-26页 |
| ·基于主分量分析建立模型 | 第26-28页 |
| ·形状对齐问题 | 第28-29页 |
| ·主动形状模型 | 第29页 |
| ·人脸图像数据库 | 第29-31页 |
| ·论文主要工作与章节安排 | 第31-34页 |
| 第二章 基于因素分解模型的多姿态人脸合成 | 第34-59页 |
| ·已有的方法 | 第34-37页 |
| ·仅用两张图像的方法 | 第34-35页 |
| ·基于人脸统计模型的方法 | 第35-36页 |
| ·线性物体类方法 | 第36-37页 |
| ·因素分解模型 | 第37-45页 |
| ·模型介绍 | 第38-39页 |
| ·模型原理及其双线性形式 | 第39-41页 |
| ·模型训练 | 第41-43页 |
| ·模型的“转移”功能 | 第43-44页 |
| ·“转移”中的局部极小问题 | 第44-45页 |
| ·基于核函数方法的非线性扩展 | 第45-50页 |
| ·核函数方法的原理 | 第45-46页 |
| ·因素分解模型的非线性形式 | 第46-47页 |
| ·非线性形式下的模型训练 | 第47-48页 |
| ·非线性形式下的“转移”问题 | 第48-49页 |
| ·高维特征空间中数据点的原像估计 | 第49-50页 |
| ·多姿态人脸图像的统一特征点定义与参数化表示 | 第50-52页 |
| ·训练集内交叉验证方式的实验 | 第52-55页 |
| ·姿态“转移”的效果 | 第52-54页 |
| ·误差分析 | 第54-55页 |
| ·对任意人脸进行的多姿态合成 | 第55-58页 |
| ·光照的影响 | 第55-56页 |
| ·训练集人脸空间的限制以及解决方案 | 第56-58页 |
| ·小结 | 第58-59页 |
| 第三章 形状纹理关联性与人脸动态纹理生成 | 第59-80页 |
| ·人脸合成中的纹理问题 | 第59-63页 |
| ·静态纹理与动态纹理 | 第59-60页 |
| ·纹理的表现方法 | 第60页 |
| ·表情细节的合成 | 第60-61页 |
| ·嘴部图像的合成 | 第61-63页 |
| ·形状与纹理的关联性 | 第63-66页 |
| ·Zhang等人的实现方法 | 第63-64页 |
| ·“关联映射”的算法框图 | 第64-66页 |
| ·使用关联映射合成嘴部图像 | 第66-71页 |
| ·嘴部轮廓的提取 | 第66-67页 |
| ·嘴部图像的统计模型和参数化表示 | 第67-69页 |
| ·从形状参数到纹理参数的映射 | 第69-71页 |
| ·嘴部图像的合成效果 | 第71-74页 |
| ·合成图像与真实图像的对比 | 第72页 |
| ·形状参数敏感度分析 | 第72-73页 |
| ·重构误差 | 第73-74页 |
| ·整个脸部上的实验 | 第74-78页 |
| ·合成的图像效果 | 第75-76页 |
| ·基于PSNR的误差评价 | 第76-77页 |
| ·特征点定位的精度要求 | 第77-78页 |
| ·小结 | 第78-80页 |
| 第四章 从情感状态到表情图像的映射 | 第80-100页 |
| ·背景介绍 | 第80-85页 |
| ·表情合成的控制方式 | 第80-81页 |
| ·真实感表现方法 | 第81-82页 |
| ·表情映射方法--表情比例图像 | 第82-84页 |
| ·情感函数实现的表情图像合成 | 第84-85页 |
| ·情感的表示方法与情感空间问题 | 第85-87页 |
| ·基于类别的表示与基于维度的表示 | 第85页 |
| ·人脸分析与合成时常用的表情编码方法 | 第85-86页 |
| ·JAFFE人脸表情数据库及其情感表示方法 | 第86-87页 |
| ·表情图像的参数化表示 | 第87-92页 |
| ·传统的人脸图像统计模型 | 第87-88页 |
| ·使用相对量训练模型的必要性 | 第88-89页 |
| ·相对形状模型 | 第89-90页 |
| ·基于表情比例图像的相对纹理模型 | 第90-91页 |
| ·合成人脸表情图像的完整过程 | 第91-92页 |
| ·从情感状态到人脸图像的映射 | 第92-95页 |
| ·情感函数的数学形式 | 第92-93页 |
| ·“通用”情感函数和“专用”情感函数 | 第93-94页 |
| ·情感函数的描述能力评价 | 第94-95页 |
| ·实验 | 第95-99页 |
| ·不同风格的情感图像 | 第95-96页 |
| ·提取“纯净”的情感图像 | 第96-98页 |
| ·为任意人合成真实感表情图像 | 第98-99页 |
| ·小结 | 第99-100页 |
| 第五章 结论与展望 | 第100-103页 |
| ·结论 | 第100-102页 |
| ·展望 | 第102-103页 |
| 参考文献 | 第103-113页 |
| 致谢及声明 | 第113-114页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第114-115页 |
