1、人臉識別是計(jì)算機(jī)視覺和模式識別領(lǐng)域研究的熱點(diǎn)。對于理想姿態(tài)和光照下的人臉識別，現(xiàn)有方法已經(jīng)達(dá)到了很高的識別率，但當(dāng)姿態(tài)或者光照發(fā)生改變時(shí)，不論采用何種識別方法識別率都會(huì)下降，同時(shí)主觀視覺效果也會(huì)變差。本文針對單幅人臉圖像的姿態(tài)和光照問題進(jìn)行研究，旨在提高人臉識別率和改善人臉圖像的視覺效果。
　　本研究首先對BJUT-3D三維人臉數(shù)據(jù)進(jìn)行規(guī)范化處理。申請得到的三維人臉數(shù)據(jù)在采樣點(diǎn)數(shù)目、存儲(chǔ)形式上雜亂無章，實(shí)現(xiàn)數(shù)據(jù)歸一化是展開進(jìn)一步研

2、究的前提。其中包括人臉姿態(tài)矯正、區(qū)域選擇及對不同分片的重采樣處理，本文歸一化后的每個(gè)人臉包含23676個(gè)頂點(diǎn)，采用統(tǒng)一的向量進(jìn)行表示。其次，針對旋轉(zhuǎn)人臉圖像的姿態(tài)問題，提出一種基于姿態(tài)估計(jì)的正面人臉圖像合成方法。該方法基于統(tǒng)計(jì)建模的思想，對人臉形狀進(jìn)行重構(gòu)并對缺失的紋理信息進(jìn)行補(bǔ)償。首先運(yùn)用平均三維模型估計(jì)測試圖像的姿態(tài)參數(shù)，并結(jié)合壓縮感知理論構(gòu)建更加精確的形變模型；然后應(yīng)用形變模型理論分別重構(gòu)測試人臉的三維形狀模型和紋理模型；最后根據(jù)

3、測試圖像與重構(gòu)模型生成正面人臉圖像。實(shí)驗(yàn)結(jié)果表明，該方法能夠從一幅旋轉(zhuǎn)人臉圖像合成出精確、自然的正臉圖像。再次，提出一種基于尺度變換的人臉圖像光照補(bǔ)償算法，采用尺度變換的方法將圖像分解為近似低頻部分和高頻部分。其中人臉圖像的光照變化主要集中在低頻部分，人臉圖像紋理結(jié)構(gòu)等細(xì)節(jié)信息主要集中在高頻部分。對近似低頻部分根據(jù)人臉的對稱性，采用光照良好的半幅人臉恢復(fù)整體人臉商圖像，有效的解決了由于自遮擋造成的圖像陰影問題且減少了計(jì)算量，同時(shí)對高頻部