四川大学 计算机学院 图形图像研究所，成都 610064
针对ASPCM模型处理转动角度较大的人脸图像时出现的不足，提出CASPCM模型。以样本与模型中心的距离为依据将训练样本分组，为每个分组训练ASPCM模型；将局部ASPCM模型的合成映射结果加权平均得到CASPCM模型的合成结果；提出利用梯度下降法使分解映射的姿势估计逐步精确。采用精确性和概括性两个标准衡量该模型的分解性能和合成性能。实验表明，CASPCM模型的分解性能和合成性能均优于ASPCM模型；基于该模型的人脸识别系统在处理转动角度较大的人脸图像时，识别率比ASPCM模型高7%。
图像处理 人脸识别 形状表示 纹理表示 分解合成主成分映射 组合的分解合成主成分映射 image processing face recognition shape representation texture representation analysis synthesis principal component mapping(ASP combined analysis synthesis principal component ma
1 四川大学,计算机学院图形图像研究所,四川,成都,610064
2 西南石油大学,四川,成都,610500
提出ASPCM模型,并将其用于不同姿势下的人脸识别.对人脸图像的形状表示和纹理表示进行主成分分析,建立形状模型和纹理模型;以形状参数、纹理参数和姿势参数间的转换确定人脸图像与头部角度间的映射关系;使用精确性和概括性两个标准衡量ASPCM模型的分解性能和合成性能;根据平均纹理相似度判断输入图像与模型视图间的相似程度.实验表明,该模型分解性能的精确性误差和概括性误差均在1.85°以内;合成性能的这两种误差均在1.1个像素以内;精确性和概括性的平均纹理相似度均在95.8% 以上;当头部转动角度在25°以内时,该模型的识别率达到100%.
形状表示 纹理表示 模型视图 分解合成主成分映射 模式识别
