臺灣博碩士論文加值系統

　　在模擬人臉光場影像時，如何找出人臉光場的瞬間變化是個重要的問題，並且人臉影像隨著環境可能會有許多變化，總歸可以分成兩部份：光線的變化及因人而異的臉部表情。本論文針對光線變化，提出人臉辨識系統是用瞬間影像來模擬不同光線下的人臉變異，再使用連續方程式來萃取光場的第一角度矩以重建不同光源的視覺影像以進行辨識。原本訓練圖庫需要蒐集不同光場下的影像，而本方法只需要兩張原始影像就可以模擬出光場變化過程的瞬間光場影像，這樣一來減少了訓練圖庫蒐集所需花費的時間成本，實驗使用CMU-PIE資料庫。

To model images of faces, it is important to have a framework of how the face can change in a moment. Faces could vary widely, but the changes can be broken down into two parts: variations in lighting and the expression across the face among individuals. In this thesis, face recognition system considering moment images is proposed to model faces under various lighting. The continuity equation is proposed to extract the first angular moments of the light field so as to construct views of different light sources for recognition. The method reduces the time cost by few images from the training set. The experiments have been extensively assessed with the CMU-PIE face database. Our method has been shown with a noticeable performance.

中文摘要 I
英文摘要 II
誌謝 III
目錄 IV
圖目錄 V
表目錄 VI
第一章 緒論 1
1.1 簡介 1
1.2 研究背景 1
1.3 相關文獻回顧 1
1.4 章節概要 2
第二章 瞬間光場影像 3
2.1 瞬間光場影像公式 3
第三章 實驗結果討論 5
3.1 瞬間光場在不同濾波器下成像實驗 5
3.1.1 單眼相機實驗規格 5
3.1.2 單眼相機實驗 6
3.1.3 單眼相機實驗討論 11
3.2 瞬間光場影像用於人臉辨識率實驗 14
3.2.1 原始影像光源選取於辨識率影響實驗 14
3.2.2 原始影像光源選取於辨識率影響實驗討論 17
3.2.3 σ值於辨識率影響實驗 19
3.2.4 σ值於辨識率影響實驗討論 21
3.2.5 ∆z值於辨識率影響實驗 23
3.2.6 ∆z值於辨識率影響實驗討論 25
第四章 結論與未來工作 26
參考文獻 27

[1] A. Orth and K. B. Crozier, “Light field moment imaging,” Optics Letters, Vol. 38, No.15, pp. 2666-2668, 2013.
[2] M. Levoy, Z. Zhang, and I. McDowall, “Recording and controlling the 4D light field in a microscope using microlens arrays,” Journal of Microscopy, Vol. 235, No. 2, pp. 144-162, 2009.
[3] L. Waller, L. Tian, and G. Barbastathis, “Transport of intensity phase-amplitude imaging with higher order intensity derivatives,” Optics Express, Vol. 18, No. 12, 2010.
[4] H. Gross, W. Singer, and M. Totzeck, Handbook of optical systems, vol. 1 ed., Weinheim, Germany: Wiley-VCH, 2005.
[5] M. Turk and A. Pentland, “Eigenfaces for recognition,” Proc. of the IEEE Conf. on Comput, Vision and Pattern Recog, pp. 586-591, 1991.
[6] R. Ng, “Fourier slice photography,” ACM Transactions on Graphics (TOG), Vol. 24, No. 3, pp. 735-744, 2005.
[7] T. Kanade, A. Yoshida, K. Oda, H. Kano, and M. Tanaka, “A stereo machine for video-rate dense depth mapping and its new applications,” IEEE Computer Society Conference on, pp. 196-202, 1996.
[8] A. Veeraraghavan, R. Raskar, A. Agrawal, A. Mohan, and J. Tumblin, “Dappled photography: mask enhanced cameras for heterodyned light fields and coded aperture refocusing,” ACM Trans. Graph, Vol. 26, No. 3, pp. 1-14, 2007.
[9] J. W. Nadler, D. E. Angelaki, and G. C. DeAngelis, “A neural representation of depth from motion parallax in macaque visual cortex,” Nature, Vol. 452, No. 7187, pp. 642-645, 2008.
[10] 黃柏勳，「有效的光線補償方法用於人臉辨識」，國立高雄應用科技大學，光電與通訊研究所，碩士論文，2014。
[11] 陳彥儒，「有效的光線補償方法用於人臉辨識」，國立高雄應用科技大學，光電與通訊研究所，碩士論文，2012。
[12] 吳泊賢，「適應性投影色彩空間應用於人員辨識」，國立高雄應用科技大學，光電與通訊研究所碩士論文，2011。
[13] 卓昱杰，「RGB空間之特徵擷取應用於人臉辨識」，國立高雄應用科技大學，光電與通訊工程研究所，碩士論文，2014。
[14] 陳亮瑜，「通用的奇異值分解用於光線補償」，國立高雄應用科技大學，光電與通訊工程研究所，碩士論文，2011。
[15] 黎玉線，「自適應奇異值分解之影像增強應用於人臉識別和指紋分類」，國立高雄應用科技大學，光電與通訊工程研究所，博士論文，2015。