中文摘要：

现有人脸识别技术主要是照片间的相互识别，但实际中不同应用背景和需求会产生不同的图像形态。如在刑侦领域，很难得到犯罪嫌疑人的照片，往往用画家根据目击者描述所绘制的素描画来替代；在门禁系统等与安全相关的应用中，往往用近红外图像来克服环境光照对可见光人脸图像识别的影响。无论是画像还是近红外图像，它们与普通照片都是不同形态的，统称为异质图像。研究发现，传统的人脸识别方法难以直接用于异质图像人脸识别。需要首先将异质图像变换到相同形态，变换的性能是影响异质图像识别正确率提高的关键。为此，本项目拟利用广义稀疏表示理论进行人脸异质图像合成方法的研究。在此基础上，借助幻象技术进一步增强合成图像的质量。为了合理的评估异质图像变换方法的性能，基于广义稀疏表示提出一种面向人脸照片和画像的客观质量评价方法。因此，可以根据生成图像的质量对异质图像变换方法进行进一步的优化和提升。该课题对人类认知机理的研究具有重要意义。

结论摘要：

随着生活水平的日益提高，人们对社会安全方面的问题越来越关注，例如在海关、机场、车站、街区、楼宇等公共场所的人脸检索，可以更加有效地搜索和排查犯罪嫌疑人。人脸是对犯罪嫌疑人进行识记和排查最直接和首要的依据之一，利用画像在照片库中进行比对有助于在无法直接获得嫌疑人照片的情况下对其进行快速抓捕。传统的人脸识别技术难以直接用于画像和照片间的识别，而本项目的研究重点是借助机器学习的相关理论进行异质人脸图像的转换，并在此基础上研究面向异质人脸图像的客观质量评价方法来合理的评估异质图像变换方法的性能。本项目在上述异质人脸图像转换和图像质量评价两方面取得一定成果。异质人脸图像转换方面，提出基于稀疏表示近邻选择的转换方法和基于人脸幻象思想的增强方法，解决了现有方法因线性组合引起的图像模糊问题；提出一种基于多特征表示的画像-照片合成方法，提高了异质人脸图像转换过程中对背景和光照的鲁棒性；充分利用人脸图像本身的结构信息，提出了一种基于超像素的画像-照片合成方法；分别提出了一种基于支撑向量机和一种基于多核学习的画像风格分类方法，实现素描画像风格的分类与鉴定；针对训练样本不足的问题，提出一种基于单照片-画像对的人脸画像合成算法；提出一种基于异质图像变换合成框架的人脸画像老化算法，实现素描画像的人脸老化功能。图像质量评价方面，针对主观质量分数不精确且耗时耗力的问题，提出一种基于排序学习的盲图像质量评价算法；充分利用图像的颜色信息，提出一种基于颜色分形的部分参考型质量评价方法；针对特征维数较低时基于无监督学习的方法性能下降的问题，提出一种基于主动学习的盲图像质量评价方法；提出一种基于Shearlet变换的盲图像质量评价方法，有效的捕捉失真导致的图像在不同方向结构分布的不连续性；考虑到图像的不同部分对彩色图像失真的感知影响不同，并且人类在感知判别图像不同区域的质量时具有模糊性的特点，提出一种基于图像内容的彩色图像质量评价方法；针对视频质量评价中时空域失真的捕捉问题，提出一种基于三维梯度相似度的视频质量评价方法。培养博士生6名，硕士生12名；发表与课题相关并标注本基金资助的学术论文共计66篇，其中SCI检索47篇，国际会议论文15篇；获得国家发明专利授权8项，获省部级奖励三项。