近年來，由於科技的日益進步和電腦運算速度的增加，已出現了許多臉部影像合成之應用，此項技術用途廣泛於許多不同的領域上，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。其中，應用於找尋失蹤人口之臉部影像合成技術便為我們所期望努力的方向。
在本篇論文中，我們提出一個整合ASM演算法與Log-Gabor小波的方法來達到人臉影像之老化合成系統。首先，我們利用ASM演算法可得到一組描述人臉五官特徵及輪廓的特徵集，將此組特徵集透過本系統的內眼角不變性及幾何不變性來達到人臉影像校正。接著，我們從中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，有效地操作影像來達到人臉老化合成之目的。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。

In present years, applications of facial image synthesis become much popular, such as visual entertainment, animations, games, cosmetic examinations, searching for missing people, etc. And our research is about missing people searching.
In this thesis, we propose a human face aging synthesis system which implements by ASM integrated with Log-Gabor Wavelet. First, we use the ASM algorithm to extract the feature set of human face, and normalize them by geometric properties. Then, we find out one target image which is similar to the test image from the data base(?). And take the human image to analysis age texture by Log-Gabor wavelet, we can get the decomposition maps of age texture with different age on human face. Finally, we can effectively manipulate different human face images which are different age by controlling the amount of decomposition map of target age images which cover on the test image. From the experimental results, it seems that we can get a better performance in facial synthesis.

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	研究動機	1
1.2	研究目的及相關研究	2
1.3	論文大綱	3
第2章	相關研究與背景知識	4
2.1	相關研究	4
2.2	背景知識	7
2.2.1	ASM演算法	8
2.2.2	Log-Gabor 小波	10
第3章	人臉年齡合成系統	16
3.1	系統架構	16
3.2	人臉校正	18
3.3	人臉特徵分析	31
3.4	老化合成	35
第4章	實驗結果	39
4.1	實驗環境：硬體與軟體設備	39
4.2	人臉影像資料庫	39
4.3	五官校正方法比較	42
4.4	實驗結果	46
4.5	實驗結果正確率統計	49
第5章	結論與未來展望	53
5.1	結論	53
5.2	討論與未來展望	54
參考文獻	56

圖目錄
圖2.1　[1]實驗結果。	5
圖2.2　[2]實驗結果。	5
圖2.3　[3]實驗結果。	6
圖2.4　[4]實驗結果。	6
圖2.5　[5]實驗結果。	7
圖2.6　頻寬形狀範例。	12
圖2.7　最小波長測試	13
圖2.8　頻率域中的Log-Gabor小波圖表示。	14
圖2.9　空間域中的Log-Gabor小波圖實數表示。	15
圖2.10　空間域中的Log-Gabor小波圖虛數表示。	15
圖3.1　系統流程圖。	17
圖3.2　前處理流程圖。	19
圖3.3　ASM特徵點位置分布。	20
圖3.4　影像旋轉校正。	21
圖3.5　人臉切割。	22
圖3.6　外輪廓寬度縮放與內眼角不變性縮放之結果圖。	23
圖3.7　影像縮放之內眼角不變性。	25
圖3.8　影像高度調校結果圖。	26
圖3.9　高度調校流程圖。	28
圖3.10　切割與對齊影像流程圖。	29
圖3.11　分解圖像。	33
圖3.12　分解圖像。	34
圖3.13　目標年齡之分解圖像高頻成份。	36
圖3.14　人臉合成流程圖。	37
圖3.15　人臉老化合成圖。	38
圖4.1　自製人臉資料庫(女性)。	40
圖4.2　自製人臉資料庫(男性)。	41
圖4-3　參考影像。	43
圖4-4　眼睛校正系統比較圖。	44
圖4-5　鼻子校正系統比較圖。	44
圖4-6　嘴巴校正系統比較圖。	44
圖4-7　三項皆校正系統比較圖。	45
圖4-8　五官校正系統比較圖。	45
圖4-9　人臉老化合成。	47
圖4-10　人臉老化合成。	47
圖4-11　人臉老化合成。	48
圖4-12　人臉老化合成。	48

表目錄
表4-1　人臉影像資料庫之統計。	40
表4-2　ASM演算法在影像累加的統計數據。	43
表4-3　皺紋密度之平均值與標準差統計。	46
表4-4　方法一之實驗結果比較表。	50
表4-5　方法二之實驗結果比較表。	50
表4-6　方法一之實驗結果比較表。	51
表4-7　方法二之實驗結果比較表。	51
表4-8　方法一與方法二的統計數據。	52

[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]李祐承，Log-Gabor小波為基礎之人臉合成系統，淡江大學，電機工程研究所碩士論文，2009。
[6]O’Reilly ,“Learning OpenCV Computer Vision with the OpenCV Library”.
[7]Gonzalez, Woods“Digital Image Processing”.
[8]R. C. Gonzalez, R. E. Woods, Digital Image Processing, 2nd ed., Prentice-Hall, 2002.
[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]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.
[11]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.
[12]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。　
[13]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.
[14]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。
[15]劉方正，以Active Shape Model為基礎的3D物體變形演算法，資訊科學研究所碩士論文，2004。
[16]T.F. Cootes and C.J. Taylor, “Statistical Model of Appearance for Computer Visin,” Wolfson Image Analusis Unit, Image Science and Biomedical Engineering, University of Manchester, July 10, 2000.
[17]Library of Active Shape Model http://code.google.com/p/asmlibrary/.