47、指纹区域选择与面部形状恢复及识别技术解析

指纹区域选择与面部形状恢复及识别技术解析

1. 小波基指纹区域选择

在指纹处理领域，小波计算通常需要高分辨率的指纹图像。然而，为了克服这一限制，研究人员对低分辨率传感器采集的图像进行了测试。具体操作是，对这些低分辨率图像进行预处理，加入插值像素，从而使三级小波的计算成为可能。经过实验发现，使用低分辨率图像得到的结果与高分辨率图像的结果相似，这表明该方法同样适用于低分辨率图像。

这种提取指纹相关区域的新方法，在区域选择和背景检测方面都取得了出色的效果。在实验测试的所有指纹中，核心区域都位于所选区域内，并且在大多数情况下具有良好的区分度。更精细的平均窗口划分能够提高核心检测的精度。该方法快速、简单且有效，可用于选择指纹的相关区域，以便后续进行特征提取、预处理或匹配算法。

2. 基于表面梯度统计模型的面部形状恢复与识别

2.1 研究背景与动机

获取面部表面模型在计算机视觉和可视化领域是一个重要问题，在生物识别、计算机游戏和生产图形等方面有显著应用。形状从阴影（SFS）方法是一种有吸引力的非侵入式方法，但在面部形状恢复中，由于凹凸歧义问题，可能导致重要特征（如鼻子）的反转。为了克服这一问题，特定领域的约束条件对于提高整体重建质量至关重要，但准确恢复详细的面部表面仍然是一个挑战。

此前，不同的研究团队提出了各种方法，但都存在一定的局限性。例如，Attick 等人提出的统计 SFS 方法，需要进行计算昂贵的参数搜索；Blanz 和 Vetter 的可变形模型虽然能生成逼真的视图，但牺牲了效率和简单性；Dogvard 和 Basri 的方法虽计算高效，但牺牲了准确性。

2.2 表面梯度模型的构建