基于支持向量机的三维鼻子建模方法研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (8): 168-172.

基于支持向量机的三维鼻子建模方法研究

霍牛义1，2，3，周少武1，张国云1，2，3，郑腾交1

1.湖南科技大学信息与电气工程学院，湖南湘潭 411100
2.湖南理工学院信息与通信工程学院，湖南岳阳 414000
3.复杂系统优化与控制湖南省高校重点实验室，湖南岳阳 414000

出版日期:2014-04-15 发布日期:2014-05-30

3D nose modeling based on support vector machine

HUO Niuyi1，2，3, ZHOU Shaowu1, ZHANG Guoyun1，2，3, ZHENG Tengjiao1

1.College of Information & Electrical Engineering, Hunan University of Science and Technology, Xiangtan, Hunan 411100, China
2.College of Information & Communication Engineering, Hunan Institute of Science and Technology, Yueyang, Hunan 414000, China
3.Key Laboratory of Optimization and Control for Complex Systems, College of Hunan Province, Yueyang, Hunan 414000, China

Online:2014-04-15 Published:2014-05-30

摘要/Abstract

摘要： 提出了一种基于支持向量机的三维鼻子建模新方法，该方法采用两张正交的人脸照片，首先运用高提升滤波对整个面部照片进行处理，使鼻子边缘轮廓更加清晰，然后在鼻子区域中提取鼻子的三维坐标信息，接着用支持向量机（SVM）对鼻子进行拟合建模，最后对拟合得到的鼻子模型进行纹理贴图，得到具有真实感的三维鼻子模型。该方法已在MATLAB平台上进行了模拟，成功获得了较逼真的三维鼻子模型，并可以推广应用到三维人脸建模。

关键词: 三维鼻子建模, 高提升滤波, 支持向量机（SVM）, 纹理贴图

Abstract: This paper proposes a method of 3D nose modeling. It needs two orthogonal face photos. First, high-boost filter is needed to make the nose edge profile more clearly and so that it can then gain the nose’s 3D coordinate information better. Then, the nose is fitted by the Support Vector Machine （SVM） to model. Finally, texture mapping is applied to the model obtained by fitting in order to get a realistic 3D nose model. This method has been carried out on the platform of MATLAB and a realistic 3D nose model is successfully obtained.

Key words: 3D nose modeling, high-boost filter, Support Vector Machine（SVM）, texture mapping

霍牛义1，2，3，周少武1，张国云1，2，3，郑腾交1. 基于支持向量机的三维鼻子建模方法研究[J]. 计算机工程与应用, 2014, 50(8): 168-172.

HUO Niuyi1，2，3, ZHOU Shaowu1, ZHANG Guoyun1，2，3, ZHENG Tengjiao1. 3D nose modeling based on support vector machine[J]. Computer Engineering and Applications, 2014, 50(8): 168-172.

[1]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[2]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[3]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[4]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[5]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[6]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[7]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.
[8]	黄广俊，邓元龙. 融合改进LBP和SVM的偏光片外观缺陷检测与分类[J]. 计算机工程与应用, 2020, 56(22): 251-255.
[9]	隋修武，牛佳宝，李昊天，乔明敏. 基于NMF-SVM模型的上肢sEMG手势识别方法[J]. 计算机工程与应用, 2020, 56(17): 161-166.
[10]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[11]	晁静静，沈文忠，宋天舒. 基于HOG和SVM的双眼虹膜图像的人眼定位算法[J]. 计算机工程与应用, 2019, 55(9): 184-189.
[12]	甘玲1，杨梦2. 聚合支持向量机分类器的行人检测方法[J]. 计算机工程与应用, 2019, 55(7): 194-198.
[13]	关日钊，陈新度，吴磊，徐焯基. 基于改进的R-FCN带纹理透明塑料裂痕检测[J]. 计算机工程与应用, 2019, 55(6): 168-172.
[14]	王燕，郭元凯. 改进的XGBoost模型在股票预测中的应用[J]. 计算机工程与应用, 2019, 55(20): 202-207.
[15]	李哲，于梦茹. 基于多种LBP特征集成学习的车标识别[J]. 计算机工程与应用, 2019, 55(20): 134-138.