高次曲线拟合人脸识别技术

"基于高次曲线拟合的人脸特征表示 (2014年) - 刘宏, 张树功 - 吉林大学学报(理学版), 2014年7月 - 中图分类号:TP391.4 - 文献标志码:A - 文章编号:1671-5489(2014)04-0746-07" 本文由刘宏和张树功共同撰写，发表于2014年7月的《吉林大学学报(理学版)》上，主要探讨了如何利用高次曲线拟合技术来表达和分析人脸图像的特征。人脸特征表示是计算机视觉和人脸识别领域中的重要研究方向，对于提高人脸识别的准确性和鲁棒性具有关键作用。 在论文中，作者提出了一个创新的方法，该方法首先利用数字化曲线拟合技术将人脸边缘图像分解为由高次多项式和抛物线段组成的特征曲线段集合。这一过程旨在捕捉人脸边缘的复杂形状和结构。通过这种方式，可以更精确地描述人脸的轮廓，尤其是那些非线性的、难以用简单几何形状表示的区域。 接下来，论文引入了极惯性矩的概念来度量特征曲线段两侧的局部纹理和形态差异。极惯性矩是一种数学工具，常用于形状分析和特征描述，它可以从多个维度量化对象的几何特性。在这里，极惯性矩被用来比较和区分不同人脸图像在特定曲线段两侧的特征，从而提供了一种度量人脸图像差异的有效方式。 实验结果显示，使用这种基于高次曲线拟合的方法与传统的直线边缘图法和抛物线边缘图法相比，能够更有效地描述人脸图像的分布特征。这表明，该方法在处理人脸图像的不变性表示方面具有优势，尤其是在面对光照变化、表情变化和部分遮挡等复杂情况时，能够保持更好的识别性能。 这篇论文的研究成果对于理解和改进人脸识别算法具有重要意义，尤其是在图像处理和模式识别领域。通过高次曲线拟合和极惯性矩的应用，可以提升人脸识别系统的鲁棒性，使得系统在处理真实世界中的复杂人脸图像时表现更佳。同时，这种方法也对其他形状分析和物体识别问题提供了新的思考方向。