导读:本文包含了人脸分割论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:轮廓,模型,外人,深度,成分,错误率,图像。
人脸分割论文文献综述
刘柏森,邓琛,张雾琳[1]（2019）在《一种改进深度卷积生成对抗网络的人脸分割方法》一文中研究指出在智能算法领域,人脸识别是一个重要的算法部分,而人脸分割又是人脸识别的一个重要组成部分。提出一种基于改进的深度卷积生成式对抗网络的人脸分割方法,将端到端的图像变换模式应用于生成器中,利用生成器对人脸图像进行分割。深度卷积生成式对抗网络将卷积层加入到生成器和判别器,使得生成器通过反卷积产生图像,而文中在反卷积之前再加入卷积层,组合形成全卷积的网络结构,将生成器的图像生成功能扩展成为语义分割功能。同时,生成器的输入原图和输出标签的通道组合作为判别器的判别对象,通过判别器来评判分割水平,进一步提高分割的标签与输入原图的关联性。经过多次实验,验证此方法能有效分割人脸主要区域。(本文来源于《黑龙江工程学院学报》期刊2019年05期）
杜星悦,董洪伟,杨振[2]（2018）在《基于正方形组合描述符与深度森林的叁维人脸分割方法》一文中研究指出叁维人脸分割技术在叁维人脸研究领域有实际意义,其结果对叁维人脸的特征点定位,表情识别,人脸动画等领域作用较大。针对目前已有的分割算法在精度上存在一定不足,提出了基于正方形组合描述符以及深度森林的叁维人脸分割方法。对叁维人脸进行分割实验,结果表明:所提算法精度高,分割效果良好,具有实际应用意义。(本文来源于《传感器与微系统》期刊2018年09期）
李宇成,长孙强[3]（2018）在《一种基于人脸分割的人脸识别方法》一文中研究指出为了减少数据存储量,加快计算速度,提出一种人脸探测、识别方法。在复杂背景中提取到人脸部分图像并把包含人脸最主要的特征左右眼、鼻子、嘴巴、下巴从图像中单独提取出来,而丢弃人脸其他特征不明显部位,从而大大降低了图像矩阵的维数。在识别中应用PCA(主成分分析)法提取特征然后应用SVM(支持向量机)方法进行分类识别。根据ORL标准人脸库的实验表明,所提出的人脸识别方法具有较好的识别效果。(本文来源于《工业控制计算机》期刊2018年04期）
李宇成,刘昆[4]（2016）在《一种基于人脸分割的PCA和SVM人脸识别方法》一文中研究指出基于PCA和SVM提出了一种新的人脸分割法,将双眼、额头、鼻子、嘴等可以明显表征人脸的六类特征提取出来,舍弃双颊以及耳朵等特征量少的部位。融合上述人脸的特征识别结果,运用支持向量机的方法进行分类识别,实验结果表明,文章所提出的PCA与SVM融合的新的人脸分割方法能有效地对人脸进行分类,极大地提升识别率。(本文来源于《微型机与应用》期刊2016年15期）
孙巍,郭敏[5]（2015）在《基于权值优化与纹理特征的快速人脸分割算法》一文中研究指出针对传统Grab Cut在GMM迭代估计阶段仅单纯地考虑像素点的RGB彩色信息,当前景细节区域与它的周围区域颜色差异较大时容易发生分割错误,以及基于像素的运算导致分割效率不高的问题,提出一种结合权值优化与CS-LBP纹理特征的改进算法。该算法利用多尺度分水岭对图像进行预分割,构建区域邻接图;然后对每个区域进行颜色和纹理特征的提取,通过权值迭代优化算法使区域的数据项权值与周边分块区域的权值相关联,采用自适应参数将纹理约束项引入能量函数,并将改进算法应用于人脸图像分割,有效改善了分割效果。实验结果表明,该算法分割结果更加准确,效率更高。(本文来源于《计算机应用研究》期刊2015年08期）
龚勋,王国胤,李天瑞,李昕昕,夏冉[6]（2013）在《基于混合能量活动轮廓模型的人脸分割方法》一文中研究指出由于受到面部五官、饰物等因素的影响,传统几何活动轮廓模型获取人脸外轮廓会产生凹陷、分片等现象.针对人脸图像的特点,将边缘外张力能量及肤色能量与全局能量结合,提出一种基于混合能量泛函的几何活动轮廓模型,有效地避免了这些问题.首先,根据演化曲线的邻域信息赋予边缘点向外的张力,使曲线能够克服面部特征及面部饰物的干扰,引导其向外轮廓方向演化.鉴于肤色是面部最重要的特征,提出肤色能量,进一步提高了模型的鲁棒性.此外,提出一种基于单高斯模型的改进算法,能够估计出接近实际人脸外轮廓的初始位置,为轮廓演化奠定了基础.在两个公共人脸库上进行测试,该方法能够得到准确的人脸分割效果;以手工分割的结果为基准,该算法定位精度明显优于传统的全局能量模型和局部能量模型.还用日常照片创建一个包含不同姿态、光照、复杂背景等因素、复杂的人脸库,分割结果表明,该方法能够克服这些因素的影响,取得了准确而稳定的人脸分割结果.(本文来源于《软件学报》期刊2013年03期）
曾华[7]（2011）在《基于混合高斯分布的红外人脸分割研究》一文中研究指出本文研究了基于混合高斯分布的红外人脸分割。先将人脸像素点用不同的高斯分布进行分类,再利用统计学的概率大小决定某个像素点应该是人脸皮肤,还是背景,达到分割目的。并对测试图像的每个像素点使用贝叶斯公式,使得分割的错误率达到最小。实验证明,用该方法进行红外人脸分割可以达到了比较理想的效果。(本文来源于《长江工程职业技术学院学报》期刊2011年02期）
夏冉,王国胤,龚勋,任文彬[8]（2010）在《基于改进活动轮廓模型的人脸分割》一文中研究指出人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。(本文来源于《广西师范大学学报(自然科学版)》期刊2010年03期）
孙统风,任子晖,陈伟,杨小冬[9]（2010）在《一种热红外人脸分割的新方法》一文中研究指出针对热红外人脸的边缘和细节特征模糊、对比度低、人脸和背景温度分布不同等特点,提出一种新的图像分割方法.该方法使用灰度投影粗定位人脸,使用模糊连接度分割背景和确定人眼眉毛的位置,根据眉毛的中心精确定位和归一化人脸.实验结果表明,该方法消除了背景干扰,保留了更多的人脸信息,能够有效解决热红外人脸图像的定位和分割问题.(本文来源于《电子学报》期刊2010年S1期）
邹利华[10]（2009）在《检测彩色图像中人头数的人脸分割算法》一文中研究指出一幅彩色图像中的人脸被分割出来后,便可检测出图像中的人头数,并可根据此图像中的人头数进行智能控制如控制教室中电灯、风扇和空调或判断汽车是否超载等。此文首先使用HSV和RGB混合肤色模型进行肤色分割,提取原始图像中的类肤色区域;采用数学形态学运算和人脸结构特征去除类肤色区域中的非人脸区域,得到候选人脸区域;与其它方法不同的是,此文接着利用头发的颜色、形状与人脸的关系,来确认人脸区域,最后通过头发的个数、候选人脸的个数及被确认的人脸个数叁者关系来统计出图像中的人头数。(本文来源于《微计算机信息》期刊2009年21期）
人脸分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
叁维人脸分割技术在叁维人脸研究领域有实际意义,其结果对叁维人脸的特征点定位,表情识别,人脸动画等领域作用较大。针对目前已有的分割算法在精度上存在一定不足,提出了基于正方形组合描述符以及深度森林的叁维人脸分割方法。对叁维人脸进行分割实验,结果表明:所提算法精度高,分割效果良好,具有实际应用意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人脸分割论文参考文献
[1].刘柏森,邓琛,张雾琳.一种改进深度卷积生成对抗网络的人脸分割方法[J].黑龙江工程学院学报.2019
[2].杜星悦,董洪伟,杨振.基于正方形组合描述符与深度森林的叁维人脸分割方法[J].传感器与微系统.2018
[3].李宇成,长孙强.一种基于人脸分割的人脸识别方法[J].工业控制计算机.2018
[4].李宇成,刘昆.一种基于人脸分割的PCA和SVM人脸识别方法[J].微型机与应用.2016
[5].孙巍,郭敏.基于权值优化与纹理特征的快速人脸分割算法[J].计算机应用研究.2015
[6].龚勋,王国胤,李天瑞,李昕昕,夏冉.基于混合能量活动轮廓模型的人脸分割方法[J].软件学报.2013
[7].曾华.基于混合高斯分布的红外人脸分割研究[J].长江工程职业技术学院学报.2011
[8].夏冉,王国胤,龚勋,任文彬.基于改进活动轮廓模型的人脸分割[J].广西师范大学学报(自然科学版).2010
[9].孙统风,任子晖,陈伟,杨小冬.一种热红外人脸分割的新方法[J].电子学报.2010
[10].邹利华.检测彩色图像中人头数的人脸分割算法[J].微计算机信息.2009
论文知识图
