对基于ε-过滤器组的人脸美化增强系统的改进
对基于ε-过滤器组的人脸美化增强系统的
改进
2009中国通信与电子信息领域年度优秀论文
对基于,一过滤器组的人脸美化增强系统的改进
李鹏飞赵合计
(山东大学计算机科学与技术学院250101)
摘要:本文作者提出一种新的对基于,一过滤器组的人脸美化增强系统的改进
.
,一过滤系统可以较好的过滤诸如人脸皱纹,斑点等不理想的皮肤元素,来达到人脸
图像美化的作用.同时这个系统的
是建立在基于遗传算法(GA)的主观
之
上的,系统虽然高效,但造成输出图像轻微的模糊,后经边缘增强处理,取得了一
定的效果.本文作者提出一种对边缘增强的改进方法,通过计算机仿真实验,这种
改进方法比改进前的效果更好,图像更清晰.
关键词:人脸美化e一过滤器遗传算法图像边缘增强
ANewMethodforBeautifyingFaceImageswith
EnhancementBasedone-FilterBankSystem
LiPengfeiHejiZhao
(SchoolofComputerScienceandTechnology,ShandongUniversity,PR.China250101)
Abstract:AnewmethodforbeautifyingfaceimageswithenhancementbasedonE-filter
banksystemisproposedinthispaper.e-filterbanksystemwhichissupposedtoremove
theundesirableskincomponents,suchaswrinklesandspots,fromhumanfaceimagesto
makethefacelookbeautifiedisdesignedoptimallyonthebasisofhumansubjective
criteriausingthegeneticalgorithm(GA).Thesystemwasshowntobealmosteffective,
butitslightlyblurstheinputfaceimage.Apost-processingwiththeunsharpmasking
methodwhichwasproposedbyTakashiandArakawaWasmadetomeetthedemands.The
authorprefersanewmethodtomaketheedgeoffaceimagessharperandclearer
comparedtothepreviousmethod.
Keywords:facebeautifyingg-FilterBankgeneticalgorithmunsharpmasking
我们经常会在电脑和网络上存放或展示我们的人脸图像.如果我们能够有方法去修
改它以让它看起来比实际漂亮,并能保证脸部特征不被修改,那该多好啊.近些年来,
数学各分支在理论和应用上的逐步深入,使得很多数学理论在图像去噪技术应用中取得
了很大的发展,产生了不少新的算法,主要包括:1,数学形态滤波器;2,小波滤波器;
3,基于模糊数学的滤波方法;4,基于遗传算法的滤波方法;5,基于神经网络的滤波方
法;6,层叠滤波方法.这些新型的滤波方法采用了新的数学理论,对噪声滤波都是一种
较新的尝试.形态学滤波有比较好的数学基础,其性能也与中值类滤波器近似,但还存
在着一些缺陷,需要进一步发展.小波滤波由于其优秀的时频特性,较以往频率域滤波
器有了一定发展.其小波模极大值法,对于噪声处理也有很好的效果.不过对于二维的
图像信息,在处理噪声之后如何无失真的完全恢复图像信息,重建图像方面还需要进一
步研究.由于小波滤波也属于变换域的滤波方法,其实时性能也需要加强.模糊数学与
22
2009中国通信与电子信息领域年度优秀论文
神经网络的结合,使得滤波有了一定的人工智能成分,可以通过人为地训练和经验的归
纳,取得良好的滤波效果.不过由于人为的因素和样本训练,这种滤波方法的适应而就
比较受限制.同时训练的方法也是一个值得研究的方向.对于实时性和硬件实现方面也
还存在弊端.遗传算法是一种较快的寻优算法,对于加快某些滤波器滤波速度有着一定
的作用.
目前基于遗传算法(GA)的e一过滤器组由一个非线性数字过滤器组构成,这个过
滤器组包括一组,一过滤器.,一过滤器能够有效的减少图像的小幅值和高频噪声.利用
e一过滤器的特性,e一过滤器组能够按照频率和幅值把输入信号分割成很多组成部分.
当把e一过滤器组应用于人脸图像的美化上,它能够有效去除诸如皱纹和斑点等不理想的
皮肤元素.这些元素属于小幅值和高频信号,而人脸背景属于大幅值或者低频信号.同
时人脸还包括一些自然粗糙的皮肤,它们
现为非常小的幅值和高频信号,这些是我们
必须要保留的部分.e一过滤器组就能够较好的达到以上的要求.我们可以用遗传算法
(GA)来对e一过滤器组的参数进行设置,以达到人脸图像美化的最满意效果.但在实际
的应用过程中,e一过滤器组很难区分人脸边缘的皱纹和斑点,因此造成输出人脸图像的
轻微模糊.
为了保持人脸边缘的清晰,本文作者提出一?种改进方法以消除e一过滤器组造成的人
腧图像边缘模糊.这种方法还可以使模糊的初始图像变得锐化和清晰.经过计算机仿真
实验取得了不错的效果.
一
.
改进的人脸美化增强系统介绍
一
个改进的人脸图像的美化增强系统由e一滤波器组和图像边缘增强部分组成.(如
图:卜1)其中,一过滤器组是Arakawa提出的,Takashi和Arakawa于2006年又提出边
缘增强算法以消除图像美化后轻微的模糊.本文作者主要就边缘增强部分进行改进.通
过改进前后的对比来证明该方法优于改进前的效果.
输入输出
图卜1改进的人脸图像美化增强系统图表
二.,一过滤器原理
e一过滤器的输入输出关系为:
()=)+?a,(+f)一))
其中,X(n)和y(n)分别表示在时n的输入和输出信号值.X(n)被定义为原始信号和小幅
随机噪声的总合,a是线性非递归低通滤波器的滤波参数,为了保持DC值不变,
其应满足如下条件:
23
2009中国通信与电子信息领域年度优秀论文
F是一个非线性
,如图:
„【x)
....
-
o
/.S
图2—1非线性滤波函数F
e值表示为:
IF()I?;一O0P+o.
如图2-1所示,当IPI,I()I=P时,该滤波器为一个线性非递归低通滤波器.因
此,一方面,如果加入的噪声的幅值小于,则该滤波器可以平滑输入信号的噪声部分而使
原始信号不做很大的改变.另一方面,如果输入信号的某部分有很大的突变,该滤波器可以
保留此部分的变化,因为输入输出信号的差值被限定在一定的范围值,?内,该值的表达形
式为:
I()I=
IIII,通过使用这种方法,e一过滤器能够减J?afF(x(+f)一(“))}??I=„亘l?殳用1甲力?一召眵我
少输入信号的小幅高频部分,同时保留大幅高频部分.
三.,一滤波器组原理
e一滤波器组的结构用不同的风格来描述.e非线性滤波器组的描述如图2—1所示.输入
信号X(n)被分解为Y(n)和u(n),其中Y(n)为e一滤波器的输出,其为小幅值或低频率成分信
号,而u(n)为小幅值高频率信号.因为所有e?的值都为正,输出信号u(n)的值也被限定在
一
定的范围之内.根据以上原理,图2-2显示了一个频率幅值系.其中L表示一个线性低通
滤波器,其将输入信号分解为低频成分和高频成分,假设L的窗口大小为w0等于E2的大小,
同时,E1的窗口的大小为wl等于E3的窗口大小.另外,我们假设E1,E2和E3的,值表示
为,1,,2,和,3,满足关系式:,1>,2>,3.
在该系统中,如果将人脸图像作为输入信号,皱纹被分解为高频小幅信号成分为y4(n),
斑点被分解为中频小幅信号成分为y3(n),另外,人脸皮肤的自然纹理被分解为高频极小幅信
号为y5(n),而人脸结构特征部分如眼睛鼻子,嘴巴表示为yl(n)和y2(n).其中yl(n),y2(n)
和y5(n)为人脸的主要成分,而y3(n)和y4(n)为人脸图像中影响美观的部分需要被去除来使
得皮肤看起来光滑干净.基于以上原理,基于e一滤波器组的人脸美化系统的输出部分表示为
24
:
??
2009中国通信与电子信息领域年度优秀论文
yl(n)+y2(1q)+y5(n)(或x(n)一y3(n)一y4(13)).该系统中所有的信号用一维信号来表示,但是在
处理人脸图像时,应该表示为二维信号,处理原理是相同的.
低
高
图2-1,一过滤器组示意图
yl(n)
y2(n)
y3(n)
y4(n)
y5(n)
频率高
图2-2根据图2-1所得输出信号示意图
四.一种改进的人脸图像边缘增强方法
由于输入图像的部分边缘可能与那些不理想的皮肤元素在幅值一频率空问上相重叠,e一
过滤器组很难区分人脸边缘的皱纹和斑点,因此造成输出人脸图像的轻微模糊.为了减轻这
种模糊程度,在e一滤波器组对图像处理后应该进行图像的边缘增强处理.Takashi和Arakawa
提出边缘增强算法以消除图像美化后轻微的模糊取得了一定的效果.其理论(公式4.2)是基
于图像y(i,j)4邻域拉普拉斯算子(如图4—1(a))的加权运算.本文作者主要就边缘增
强部分进行改进.提出基于图像f(X,y)8邻域的拉普拉斯算子(如图4-1(b))加权运算方法
(公式4.3).
O)y(i,)=Y(f,-,)+Y(f,)+Y,
(f,.,)
(2)z(i,)=(1+4a/5)y(f,)一a/5{+y(i—l)+
y(id+1)+y(f+l)+y(id一1))(4.2)
(3),)=,j)+a/9{8~i,j)-y(i—lj一1一l
3(i-1j+1)-y(ij+l1j+1)-y(i+lj)-y(i+l,]一1))(4.3)
25
(4.1)
幅值
2009中国通信与电子信息领域年度优秀论文
在这里,y(i,j)代表经过,一过滤器组过滤后人脸图像的总和.Y.
(f,)?y(f,.,)?Y
,
(f,)
含义如图2一l.z(i,j)代表经过边缘增强处理后的输出图像.a是增强力度参数,一般讲,a
的值越大,其增强的效果就越明显.
图4-1拉普拉斯算子
五.计算机仿真结果
采用遗传算法(GA)通过计算机仿真实验,取得了不错的效果.图5一l(a)为原始图像,
图5-2(b)和图5-3(C)分别为采用改进前方法和改进后方法的处理效果.可以看出,改进后的
系统可以很好的去除人脸图像中非特征区域斑点,皱纹等影响人脸美观的因素,使得脸部皮
肤看起来比改进前更光洁,漂亮,同时图像边缘的清晰度更好.
(a)(b)
(c)
图5--1计算机仿真结果
参考文献:
[1]RafaelC.Gonzalez,RichardE.Woods,阮秋琦等译.数字图像处理(第二版)[M].北京:电子工业出
版社,2003.
[2]H.Watabe,Y.Arakawa,andK.Arakawa,”NonlinearFiltersforMultimediaApplications”,
26
2009中国通信与电子信息领域年度优秀论文
Proc.IEEEICIP?99,27A03.6,Pp.I74—179,
Oct.i999
[3]TTakashiMatsui,KaoruArakawaandKoheiNomoto,”ANonlinearFiiterSystemforBeautifving
FaceImageswithEnhancementUsingInteractiveEvolutionaryComputing
“
,Proc.IEEEISPACS2006,PP:534—537,2006.
[4jKaoruArakawa,”NonlinearDigitalFiltersforBeautifyingFacialImagesinMultimed,
IaSystems”.Proc.IEEEISCAS2004,PP:429—
432,2004.
[53HtHarashima,K.Odajima,Y.Shishikui,andtt.Miyakawa,e—SeparatingNon1i1]earDigita1
FilterandItsApplicationsIEICETrans.,vo1.
J65-A,no.4,PP.297—304,April.1982.
[6]K.ArakawaandT,Okada,~-SeparatingNon1inearFiiterBankandItsApp1icat—
iontoFaceImageBeautification,IEICETrans.,vo1.J88一A,no.1l,PP.1216—1225,Nov.2005.
作者简介:
李鹏飞(1979一),男(汉族),天津蓟县人,山东大学计算机科学与技术学院研究生;主要研究方向是数字
图像处理.
赵合计(1964一),男(汉族),副教授,硕十生导师,研究方向:图像理解,智能技术等.
27