分类号 密级U D C 编号 CENTRAL SOUTH UNIVERSITY硕士学位论文论 文 题 目 基于图像的年龄估计与人脸年龄图像重构学科、专业 控制理论与控制工程 研究生姓名 胡 斓 导师姓名及 专业技术职称 夏 利 民 教授 2007年4月原 创 性 声 明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。作者签名： 日期： 年 月 日关于学位论文使用授权说明本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文；学校可根据国家或湖南省有关部门规定送交学位论文。作者签名： 导师签名 日期： 年 月 日摘 要人脸图像与年龄关系的研究是人像处理领域的重要课题，该研究具有重要的科学意义和实用价值。经过多年的发展，在人脸年龄变化研究方面已经取得了很大的进步，但实践和经验表明人脸年龄变化的研究还远未成熟。本文在国内外已有的研究基础上，在年龄估计、人脸年龄图像重构方面做了大量的研究与实验，并达到了一定的效果。本文主要工作有以下几个方面：（1）采用了一种基于局部纹理约束的鲁棒AAM拟合算法，在一定程度上解决了收敛速度慢的问题，主要增强了细节部分定位的准确性，并且实现了对背景干扰的鲁棒，相比原有的算法具有更快、更准确的性能。大大提高了特征点标注的速度和准确度，从而能有效的提取人脸特征来进行年龄估计和人像重构。 （2）提出了一种新的分类器基于模糊加权预处理的人工免疫识别系统，人工免疫识别系统是一种新型的人工免疫监督学习算法；本文将模糊加权预处理与人工免疫识别系统相结合形成了一种新的改进后的分类器，进一步提高了分类器的准确率。通过对人脸特征按年龄进行分类，从而实现根据人脸图像来估计年龄的目的。（3）采用了从人脸形状与纹理两个方面重建人脸的方法。提出了一种Boosting RBF神经网络来逼近各个年龄段人脸形状的变化函数，从而实现了人脸形状随年龄变化的预测，采用一种改进的纹理变换方法来模拟人脸纹理随年龄变化的过程，新的纹理变换方法更大程度的保留了人脸年龄信息包括皱纹、斑点等，使得人脸年龄图像重建的效果更加逼真。本文通过大量的实验证明了方法的有效性，建立了人脸老化年轻化的仿真系统，通过系统相关操作直接从视觉上判断论文方法的具有了一定准确性。关键词：局部纹理约束，鲁棒AAM拟合算法，模糊加权预处理，人工免疫识别系统，Boosting RBF神经网络ABSTRACTThe changes in facial appearance of Aging faces is an active research area in face processing, such a research has both significant theoretic values and wide potential applications. It has made great progress especially in the past few years; however, evaluation results and practical experience have shown that such a research is currently far from mature. The paper has done a lot of research and experiment in the age prediction and aging face reconstruction, based on others research in domestic and foreign, and the effect is good. The highlights and main contributions of the dissertation include:(1) A robust AAM fitting algorithm based on local texture constraints (LTC-RAAM) is presented, this algorithm has quicker convergence rate, and it mainly has strengthened the accuracy of the detail partial locating, and it has realized the robustness to the background. Comparing to the original algorithm, its fast and accurate. The extracted face features is used for age estimating and reconstructing the aging face.(2) A new classifier that artificial immune recognition system(AIRS) based on fuzzy weighted pro-processing is presented, AIRS is a novel artificial immune supervised learning algorithm, the fuzzy weighted pro-processing and the AIRS is combined to form a new improved classifier, and the evaluation results have shown that its more accurate. Its used to estimate the age, through the classification of the face features according to the age.(3) The paper reconstructs the aging faces from face shape and face texture. A new function approximation that Boosting RBF neutral net is presented to calculate the face shape change between two different age sections, it can predict the face shape feature vector of the target age section. The paper used an improved novel texture transfer method, the improved method retained more face age information including the wrinkle, the spot and so on, so the simulation of aging face is more lifelike.The paper made a lot of experiences which have proven the accurate of the methods, we built a system to produces an age progressed or regressed image, In other words, given a single image of the subject and a target age, we construct a new image of the subject to reflect the new age, and the effect looked lifelike.KEY WORDS: local texture Constraints, robust AAM fitting algorithm, fuzzy weighted pro-processing, artificial immune recognition system, Boosting RBF neutral net目 录第一章 绪 论51.1研究目的及意义51.2研究现状51.3 方法性能评估51.4 论文研究内容及结构安排5第二章 图像预处理52.1 人脸库描述52.2 人脸图像的预处理52.2.1 人脸图像的几何特性归一化52.2.2 人脸图像的光学特性归一化52.3 本章小结5第三章 人脸的年龄特征提取53.1 概述53.2 主动表观模型（AAM）53.2.1 AAM模型的建立53.2.2 基于AAM的人脸特征点定位方法53.3 主动形状模型（ASM）53.4 基于局部纹理约束的鲁棒AAM拟合算法（LTC-R-AAM）53.4.1 鲁棒AAM拟合算法（R-AAM）53.4.2 边缘约束局部纹理模型53.4.3 LTC-R-AAM基本思想53.5 基于LTC-R-AAM方法的人脸年龄特征提取53.6 本章小结5第四章 基于人脸图像的年龄估计54.1 概述54.2 人工免疫系统54.2.1 人工免疫系统的定义54.2.2 人工免疫系统的基本概念54.2.3 免疫机制54.3 基于人工免疫识别系统的人脸图像年龄估计54.3.1 模糊加权预处理（fuzzy weighted pro-processing）54.3.2 基于人工免疫识别系统的人脸图像年龄估计54.4 实验结果及分析54.5 小结5第五章 人脸年龄图像的重构55.1 概述55.2 人脸形状特征变化学习55.2.1 基于RBF神经网络人脸形状变化函数逼近55.2.2 基于Boosting RBF神经网络的人脸形状变化函数逼近55.2.3 人脸图像年龄变形实验55.3 人脸纹理变化学习55.3.1 基于Lambertian人脸的比例图模型55.3.2 人脸纹理细节变换（IBSDT）55.3.3 人脸模型及改进IBSDT方法55.4 人脸年龄图像重构55.6 小结5第六章 工作总结56.1 本文工作总结56.2 未来工作的展望5参考文献5致 谢5攻读学位期间的主要研究成果5第一章 绪 论1.1研究目的及意义人像处理与变换是计算机视觉领域和图像处理领域的重要研究课题，一直受到诸多研究人员的关注。在刑侦、医疗、娱乐、信息、空间等领域中，人像的处理与变换