photoshop畢業論文範文

古典文學中常見論文這個詞，當代，論文常用來指進行各個學術領域的研究和描述學術研究成果的文章，簡稱為論文。以下就是由編為您提供的photoshop畢業論文。

人臉識別是機器視覺和模式識別領域最富有挑戰性的課題之一，同時也具有較為廣泛的應用意義。人臉識別技術是一個非常活躍的研究領域，它覆蓋了數字影象處理、模式識別、計算機視覺、神經網路、心理學、生理學、數學等諸多學科的內容。如今，雖然在這方面的研究已取得了一些可喜的成果，但是frt在實用應用中仍面臨著很嚴峻的問題,因為人臉五官的分佈是非常相似的，而且人臉本身又是一個柔性物體，表情、姿態或髮型、化妝的千變萬化都給正確識別帶來了相當大的麻煩。如何能正確識別大量的人並滿足實時性要求是迫切需要解決的問題。

在人臉檢測的基礎上，面部關鍵特徵檢測試圖檢測人臉上的主要的面部特徵點的位置和眼睛和嘴巴等主要器官的形狀資訊。灰度積分投影曲線分析、模板匹配、可變形模板、hough變換、snake運算元、基於gabor小波變換的彈性圖匹配技術、主動性狀模型和主動外觀模型是常用的方法。

可變形模板的主要思想是根據待檢測人臉特徵的先驗的形狀資訊，定義一個引數描述的形狀模型，該模型的引數反映了對應特徵形狀的可變部分，如位置、大小、角度等，它們最終通過模型與影象的邊緣、峰、谷和灰度分佈特性的動態地互動適應來得以修正。由於模板變形利用了特徵區域的全域性資訊，因此可以較好地檢測出相應的特徵形狀。由於可變形模板要採用優化演算法在引數空間內進行能量函式極小化，因此演算法的主要缺點在於兩點：一、對引數初值的依賴程度高，很容易陷入區域性最小;二、計算時間長。針對這兩方面的問題，我們採用了一種由粗到細的檢測演算法：首先利用人臉器官構造的先驗知識、面部影象灰度分佈的峰谷和頻率特性粗略檢測出眼睛、鼻子、嘴、下巴的大致區域和一些關鍵的特徵點;然後在此基礎上，給出了較好的模板的初始引數，從而可以大幅提高演算法的速度和精度。

眼睛是面部最重要的特徵，它們的精確定位是識別的關鍵。基於區域增長的眼睛定位技術，該技術在人臉檢測的基礎上，充分利用了眼睛是面部區域內臉部中心的左上方和右上方的灰度谷區這一特性，可以精確快速的定位兩個眼睛瞳孔中心位置。該演算法採用了基於區域增長的搜尋策略，在人臉定位演算法給出的大致人臉框架中，估計鼻子的初始位置，然後定義兩個初始搜尋矩形，分別向左右兩眼所處的大致位置生長。該演算法根據人眼灰度明顯低於面部灰度的特點，利用搜索矩形找到眼部的邊緣，最後定位到瞳孔的中心。實驗表明，本演算法對於人臉大小、姿態和光照的變化，都有較強的適應能力，但在眼部陰影較重的情況下，會出現定位不準。佩戴黑框眼鏡，也會影響本演算法的定位結果。

基於視覺通道資訊的面部感知系統，包括人臉檢測和跟蹤、面部特徵定位、面部識別、人臉歸類(年齡、種族、性別等的判別)、表情識別、脣讀等分系統，如圖1-1所式，可以看出，繼人臉檢測和跟追之後，面部特徵定位通常是面部感知的一個必備環節，是後續工作的基礎，具有重要的意義。儘管人臉識別不能說是其他面部感知模組的必備功能，但是， 可以肯定的是，利用已知的身份資訊，結合特定人的先驗知識，可以提高表情分析、脣讀和語音識別、手勢識別乃至手寫體識別的可靠性。而計算機對使用者身份確認的最直接的應用就是基於特定使用者的環境設定：如使用者的個性化工作環境，資訊的共享和隱私保護等等。