人脸三维重建相关算法的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 人脸三维重建技术的国内外研究现状 | 第9-12页 |
| 1.2.1 基于网格模型映射的算法 | 第10页 |
| 1.2.2 基于标准参考模型的算法 | 第10-11页 |
| 1.2.3 基于统计模型变形的算法 | 第11页 |
| 1.2.4 基于图像或图像集合的重建算法 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文章节结构 | 第13-14页 |
| 2 图像预处理 | 第14-19页 |
| 2.1 Retinex算法基本原理 | 第14-16页 |
| 2.1.1 基于SSR算法的图像增强 | 第15页 |
| 2.1.2 基于MSR算法的图像增强 | 第15-16页 |
| 2.2 Retinex算法的改进和实验 | 第16-18页 |
| 2.2.1 实验结果分析与讨论 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 人脸定位与特征提取 | 第19-29页 |
| 3.1 AdaBoost算法 | 第19-21页 |
| 3.1.1 Harr特征检测 | 第19-20页 |
| 3.1.2 学习训练弱分类器 | 第20-21页 |
| 3.1.3 构造强分类器 | 第21页 |
| 3.2 主动形状模型(ASM) | 第21-22页 |
| 3.2.1 训练模型 | 第21-22页 |
| 3.2.2 目标搜索过程 | 第22页 |
| 3.3 主动表现模型(AAM) | 第22-24页 |
| 3.3.1 形状信息模型 | 第23页 |
| 3.3.2 纹理信息模型 | 第23页 |
| 3.3.3 实例化模型 | 第23-24页 |
| 3.3.4 AAM模型与输入图像的拟合 | 第24页 |
| 3.4 对比算法分析及改进 | 第24-28页 |
| 3.4.1 AbaBoost算法实验 | 第25-26页 |
| 3.4.2 ASM算法实验 | 第26页 |
| 3.4.3 AAM算法改进及实验结果讨论 | 第26-28页 |
| 3.5 本章小结 | 第28-29页 |
| 4 基于SFS重建人脸三维形状的优化方法 | 第29-39页 |
| 4.1 图像灰度变换 | 第29-30页 |
| 4.2 SFS三维重建算法 | 第30-35页 |
| 4.2.1 SFS基本原理 | 第30-32页 |
| 4.2.2 SFS算法约束条件 | 第32-33页 |
| 4.2.3 增值化算法 | 第33页 |
| 4.2.4 局部化算法 | 第33页 |
| 4.2.5 线性化算法 | 第33-35页 |
| 4.3 SFS算法的优化 | 第35-38页 |
| 4.3.1 计算图像光照条件 | 第35-37页 |
| 4.3.2 恢复图像深度数据 | 第37页 |
| 4.3.3 SFS优化算法的边界约束条件 | 第37-38页 |
| 4.3.4 计算漫反射系数 | 第38页 |
| 4.4 本章小结 | 第38-39页 |
| 5 人脸三维模型重建实验研究 | 第39-48页 |
| 5.1 参考模型的选择 | 第39-40页 |
| 5.2 优化SFS算法的实验研究 | 第40-41页 |
| 5.3 三维模型的多角度显示 | 第41-44页 |
| 5.4 实验结果 | 第44-47页 |
| 5.5 本章小结 | 第47-48页 |
| 6 总结与展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 附录 | 第55-56页 |
| 攻读学位期间主要的研究成果 | 第56-58页 |
| 致谢 | 第58页 |
