淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


  查詢圖書館館藏目錄
系統識別號 U0002-0107200913111600
中文論文名稱 Log-Gabor小波為基礎之人臉合成系統
英文論文名稱 Facial Image Aging Synthesis Based on Log-Gabor Wavelet
校院名稱 淡江大學
系所名稱(中) 電機工程學系碩士班
系所名稱(英) Department of Electrical Engineering
學年度 97
學期 2
出版年 98
研究生中文姓名 李祐丞
研究生英文姓名 Yu-Cheng Lee
學號 696441046
學位類別 碩士
語文別 中文
口試日期 2009-06-12
論文頁數 61頁
口試委員 指導教授-謝景棠
委員-陳稔
委員-蘇木春
委員-范欽雄
委員-謝君偉
委員-謝景棠
中文關鍵字 人臉偵測  Log-Gabor 小波  AdaBoost演算法  年齡合成 
英文關鍵字 Face detection  Log-Gabor wavelet  Adaboost algorithm  Aging synthesis 
學科別分類 學科別應用科學電機及電子
中文摘要 近年來,已出現了許多臉部影像合成之應用,例如:視覺娛樂、電影動畫製作、遊戲、化妝品測試、找尋失踪人口…等。而在這當中,為了找尋失踪人口進而預測出不同年齡之人臉合成,便為我們所期望努力的方向。不同年齡人臉的合成操作成為了現今熱門的話題之一。
在本篇論文中,我們提出一個利用人臉偵測和Log-Gabor小波的方法來合成不同年齡的人臉影像。首先,我們利用Adaboost人臉偵測的方法來抓取樣本影像中人臉的部份,然後皆將其正規化。接著,我們從找出一張與受測者人臉影像相近之目標年齡人臉影像。我們利用了Log-Gabor小波的方法將人臉影像之年齡紋理解析出,以得到分解圖像。最後,我們可以透過對於分解圖像數量的控制,有效地操作不同年齡之人臉合成。實驗結果顯示,利用本論文的方法能夠得到一個不錯的合成結果。
英文摘要 At present, there are many application of facial image synthesis by computer graphics such as visual entertainment, movie production, game, cosmetic examinations, and searches for missing persons, etc. For these reason, manipulation of different age on human face become a common problem and the most popular one nowadays.

In this paper, we propose an approach for manipulating different age texture on human face base on face detection, and Log-Gabor wavelet. First of all, Adaboost algorithm is used to get the main facial features and to normalize them into the same size and same features position of each picture. Second, we find an appropriate target age image which is similar to subject’s image, and then we employ the properties of multi-resolution and multi-channel to extract the decomposition maps of age texture with different age on human face by using Log-Gabor wavelet. Finally, we can effectively manipulate the different age of human face through controlling the amount of decomposition map of target age images to cover on the subject’s faces image.

Experimental results show that the aging synthesis of facial images can be generated well by using our proposed approach.
論文目次 中文摘要 I
英文摘要 II
目錄 IV
圖目 VII
表目 X
第1章 緒論 1
1.1 研究背景及動機 1
1.2 研究方向及目的 2
1.3 論文架構 6
第2章 背景知識 7
2.1 邊緣偵測 (Edge Detection) 7
2.2 中值濾波器 (Median Filter) 11
2.3 人臉偵測演算法 (Face Detection) 15
2.4 Log-Gabor小波 18
第3章 人臉年齡合成系統 24
3.1 系統架構 24
3.2 前置處理 26
3.3 年齡特徵分析 28
3.4 人臉老化合成 32
3.5 人臉年輕化合成 35
3.6 討論 38
第4章 實驗結果之年齡判定 41
4.1 實驗環境:硬體與軟體設備 41
4.2 人臉資料庫 41
4.3 實驗結果之年齡判定 43
4.3.1 對比強化 43
4.3.2 年齡判定 44
第5章 結論與未來研究發展 56
5.1 結論 56
5.2 未來展望 57
參考文獻 59

圖目
圖1.1 [1]實驗結果 3
圖1.2 [2]實驗結果 3
圖1.3 [3]實驗結果 4
圖1.4 [4]實驗結果 4
圖2.1 邊緣示意圖 7
圖2.2 (a)測x方向的灰階變化。(b)測y方向的灰階變化。 9
圖2.3 Sobel邊緣偵測範例 10
圖2.4 低通濾波器(3x3) 12
圖2.5 (a)原3x3子影像。(b)經過中值濾波後的子影像 12
圖2.6 中值濾波器範例 14
圖2.7 AdaBoost演算法概念 15
圖2.8 矩形特徵 16
圖2.9 層疊分類 17
圖2.10 頻寬形狀範例 20
圖2.11 最小波長測試 21
圖2.12 頻率域中的Log-Gabor小波圖表示 22
圖2.13 空間域中的Log-Gabor小波圖實數表示。 23
圖2.14 空間域中的Log-Gabor小波圖虛數表示。 23
圖3.1 系統流程圖 25
圖3.2 AdaBoost演算法流程 27
圖3.3 分解圖像 30
圖3.4 分解圖像 31
圖3.5 目標年齡之分解圖像高頻成份 33
圖3.6 人臉合成流程圖 34
圖3.7 人臉老化合成圖 35
圖3.8 目標年齡之分解圖像高頻成份 37
圖3.9 人臉合成流程圖 37
圖3.10 人臉年輕化合成圖 38
圖3.11 (a)原始影像與膚色偵測圖。(b)邊緣取代後的結果影像。(c)改變毛髮顏色的結果影像。 40
圖4.1 自製人臉資料庫 41
圖4.1 自製人臉資料 42
圖4.2 對比強化範例圖 44



表目
表 4.1 年齡分類 45
表4.2 皺紋密度範例 47
表4.3 皺紋密度範例 48
表4.4 皺紋密度範例 49
表4.5 皺紋密度範例 50
表4.6 皺紋密度範例 51
表4.7 皺紋密度範例 52
表4.8 皺紋密度之平均值與標準差統計 53
表4.9 老化合成之年齡判定結果 54
表4.10 年輕化合成之年齡判定結果 55
參考文獻 [1] S. Mukaida, H. Ando, “Extraction and Manipulation of Wrinkles and Spots for Facial Image Synthesis,” Automatic Face and Gesture Recognition, 2004. Proceedings. Sixth IEEE International Conference, 17-19 May 2004, pp. 749 – 754.
[2] Rowland, D.A., Perrett D.I., “Manipulating facial appearance through shape and color,” Computer Graphics and Applications, IEEE, vol. 15, Sept. 1995, pp. 70 – 76.
[3] Lanitis, A., Taylor, C.J., Cootes, T.F., “Modeling the process of ageing in face images,” Computer Vision, 1999. The Proceedings of the Seventh IEEE International Conference, vol. 1, 20-27 Sept. 1999, pp. 131 – 136.
[4] C. Choi, “Age change for predicting future faces,” Fuzzy Systems Conference Proceedings, 1999. FUZZ-IEEE '99. 1999 IEEE International, vol.3, 22-25 Aug. 1999, pp. 1603 – 1608.
[5] 李正平,以人臉特徵作年齡分類之研究,私立淡江大學,資訊工程研究所碩士論文,2001。
[6] 鍾國亮,影像處理與電腦視覺,東華書局,2002。
[7] R. C. Gonzalez, R. E. Woods, Digital Image Processing, 2nd ed., Prentice-Hall, 2002.
[8] P. Viola, M. Jones, “Robust Real Time Object Detection,” Second International Workshop on Statistical and Computational Theories of Vision Vancouver, Canada, July 13, 2001.
[9] Field D, “Relations between the Statistics of Natural Images and the Response Properties of Cortical Cells.” Journal of Optical Society of American A, Vol. 4, 1987.pp. 2379-2393.
[10] Y. Freund, R. E. Schapire, “A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting,” Journal of Computer and System Sciences, 55 (1), 1997, pp. 119-139.
[11] 周哲帆,結合色彩與紋理特徵之人臉偵測及識別技術,清雲科技大學, 電子工程研究所碩士論文,2008。
[12] S. M. Lajevardi, M. Lech, “Facial Expression Recognition Using Neural Networks and Log-Gabor Filters,” Computing: Techniques and Applications, 2008. DICTA '08.Digital Image, 1-3 Dec. 2008, pp. 77 – 83.
[13] N. Rose, “Facial Expression Classification using Gabor and Log-Gabor Filters,” Automatic Face and Gesture Recognition, 2006. FGR 2006. 7th International Conference, 2-6 April 2006, pp. 346 - 350.
[14] 涂欽鴻,使用相位保護去除雜訊來提升超音波圖形輪廓偵測,國立東華大學,資訊工程研究所碩士論文,2006。 
[15] Y. Pang, Y. Yuan, X. Li, “Gabor-Based Region Covariance Matrices for Face Recognition,” Circuits and Systems for Video Technology, IEEE Transactions, Vol. 18, July 2008, pp. 989 – 993.
[16] 何景堂,以粒子群最佳化演算法為基礎之改良型多層類神經網路於臉部辨識應用,朝陽科技大學,資訊工程研究所碩士論文,2006。
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2014-07-09公開。
  • 不同意授權瀏覽/列印電子全文服務。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信