众文网1.毕业答辩时老师会问什么问题
==你是本科还是硕士啊 论文的话应该主要是算法的研究和改进吧……
问题比如：你采用了哪种人脸识别算法 你对这种算法的改进在哪里（你不只要说明改进在哪里 可能还需要做一些实验收集下数据来对比 说明算法在改进后对性能有了提升） 新算法比其他算法好在哪里（还是通过实验收集数据对比一下） 分析下算法的复杂度（时间复杂度和空间复杂度可能都会要求 毕竟图像分析很占空间） 然后是怎样进行优化的 实验采用的样本是哪些（我们当时用的UC Irvine Machine Learning Repository 下面会有CMU Face Images 大家一般都用这个库来作为样本） 怎样对实验结果进行量化比较的（标准是什么）
如果是模式识别的话 还可能关心怎样选的特征值和特征空间（计算量大的话是怎样减少计算量的） 训练样本采用的什么算法 实验的识别率是多少 算法的性能是不是稳定……
==我想到的都是本科的问题 如果是研究生的话可能还会问的更难
2.毕业论文人脸图像压缩与重建
在图像处理领域中，图像的超分辨率重建技术和（略）个发展已经比较成熟的部分.本文从实际应用的要求出发，对二者的结合作了研究，即对压缩图像进行超分辨率重建. 论文主要做了以下工作：对图像压缩过程中（略）重建算法利用的运动补偿和量化进行了研究，简化并实现了MPEG-4的编码器；研究了空间域的凸集投影（POCS）超分辨率重建算法；实现了在压缩图像的变换域运用凸集投影算法来进行超分辨率重建. 实验证明，基于变换域的凸集投影算法能去除压缩过程带来的量化噪声，取得比传统解压后再进行普通超分辨率重建更好的效果.尤其在压缩比较大的情况下，重建效果更为明显。
3.毕业论文人脸图像压缩与重建
在图像处理领域中，图像的超分辨率重建技术和（略）个发展已经比较成熟的部分.本文从实际应用的要求出发，对二者的结合作了研究，即对压缩图像进行超分辨率重建. 论文主要做了以下工作：对图像压缩过程中（略）重建算法利用的运动补偿和量化进行了研究，简化并实现了MPEG-4的编码器；研究了空间域的凸集投影（POCS）超分辨率重建算法；实现了在压缩图像的变换域运用凸集投影算法来进行超分辨率重建. 实验证明，基于变换域的凸集投影算法能去除压缩过程带来的量化噪声，取得比传统解压后再进行普通超分辨率重建更好的效果.尤其在压缩比较大的情况下，重建效果更为明显。
4.最近要写论文,想问下人脸关键点定位或者人脸对齐主要有哪些应用
目前有很多的人脸关键点定位的算法，比较传统的有ASM、AAM、CLM和一些列改进算法，而目前比较流行的有 ESR、3D-ESR、SPR、LBF、SDM、CFSS等。很多学者刚接触到人脸对齐时，不知道它有什么用处，下面就列举出几个 人脸关键点定位的应用领域：
(1)人脸器官定位、器官跟踪。通过人脸对齐，我们能够定位到人脸的每个部件，提取相应的部件特征。
(2)表情识别。通过人脸对齐后，我们能够利用对齐后的人脸形状分析人脸的表情状态。
(3)性别鉴别。通过人脸对齐，能够对人脸进行性别识别，男女之间的人脸形状有一定的差异性。广东的 ColorReco用人脸关键点技术定制开发了性别识别的SDK。
(4)人脸漫画/素描图像生成。通过人脸对齐后，我们能够进行人脸漫画和素描生成。
(5) 虚拟现实和增强现实。通过人脸对齐后，我们能够做出很多好玩的应用。
(6)人脸老化、年轻化、年龄推断。特征融合/图像增强。通过人脸对齐后，我们能够有效提取人脸特征，并分 析人脸年龄、人脸老化等。
5.人脸图像特征提取原理是什么
人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数 特征等。
人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。
人脸特征提取的方法归纳起来分为两大 类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。 基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分 量通常包括特征点间的欧氏距离、曲率和角度等。
人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特 征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
转载请注明出处众文网 » 人脸特征提取及识别毕业论文