为了正常的体验网站,请在浏览器设置里面开启Javascript功能!
首页 > 基于非线性ε过滤器组的人脸美化算法的研究与改进(可编辑)

基于非线性ε过滤器组的人脸美化算法的研究与改进(可编辑)

2018-02-02 39页 doc 68KB 11阅读

用户头像

is_624976

暂无简介

举报
基于非线性ε过滤器组的人脸美化算法的研究与改进(可编辑)基于非线性ε过滤器组的人脸美化算法的研究与改进(可编辑) 1 分类号:TP31 10422 单位代码: 密级: 20071 学 2585 号: ‖蔡办季 硕士学位论文 论文题目:基于非线I生,一过滤器组的人脸美化算法的 研究与改进 RESEARCHANDI MPROVEMENTONALGORI THM OFFACEI AMGEBEAUTI Fl l 0N CAT BASEON NONLI NEARE-FI LTERBANK 作 者 李鹏飞 专 业 计算机软件与理论 导 师 赵合计副...
基于非线性ε过滤器组的人脸美化算法的研究与改进(可编辑)
基于非线性ε过滤器组的人脸美化算法的研究与改进(可编辑) 1 分类号:TP31 10422 单位代码: 密级: 20071 学 2585 号: ‖蔡办季 硕士学位 论文目:基于非线I生,一过滤器组的人脸美化算法的 研究与改进 RESEARCHANDI MPROVEMENTONALGORI THM OFFACEI AMGEBEAUTI Fl l 0N CAT BASEON NONLI NEARE-FI LTERBANK 作 者 李鹏飞 专 业 计算机软件与理论 导 师 赵合计副教授 合作导师 201 0年4月5日 _l?, -,(,?1j f0IllllllfIllrJlIJlllfrIllrlfrrlllr lrlrrIll ,1 791351 原创性声明和关于论文使用授权的说明 原创性声明 人郑重声明:所呈交的学位论文,是本人在导师的指导下, 行研究所取得的成果。除文中已经注明引用的内容外,本论 含任何其他个人或集体已经发表或撰写过的科研成果。对本 文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。 本声明的法律责任由本人承担。 日 论文作者签名:本jli婺L―一 、? 户 关于学位论文使用授权的声明 't 本人完全了解山东大学有关保留、使用学位论文的规定,同意 学校保留或向国家有关部门或机构送交论文的复印件和电子版,允 许论文被查阅和借阅;本人授权山东大学可以将本学位论文的全部 或部分内容编入有关数据库进行检索,可以采用影印、缩印或其他 复制手段保存论文和汇编本学位论文。 保密论文在解密后应遵守此规定 导师签名: 日 期: 垒复 论文作者签名:蕊立 ^‘―,一 第二章人脸肤色空间的选取与建 模„„„„„„„„„„„„„„„„„„((5 2(1人脸检测的关键方 法„„„„„„„„„„„„„„„„„„„„„(5 2(2肤色模型„„„„„„„„„„„„„„„„„„„„„„„„„„(7 2(3颜色空间模 型„„„„„„„„„„„„„„„„„„„„„„„„(7 2(4人脸肤色空间的选取与建 模„„„„„„„„„„„„„„„„„„11 2(5本章小结„„„„„„„„„„„„„„„„„„„„„„„„„„14 第三章人脸图像肤色区域的提 取„„„„„„„„„„„„„„„„„„„15 3(1光线补偿„„„„„„„„„„„„„„„„„„„„„„„„„„15 3(2相似度计 算„„„„„„„„„„„„„„„„„„„„„„„„„16 3(3图像的二值 化„„„„„„„„„„„„„„„„„„„„„„„„17 3(4中值滤 波„„„„„„„„„„„„„„„„„„„„„„„„„„19 3(5确定人脸肤色区域的范 围„„„„„„„„„„„„„„„„„„„20 3(6人脸肤色区域的提 取„„„„„„„„„„„„„„„„„„„„„22 3(7本章小结„„„„„„„„„„„„„„„„„„„„„„„„„„23 第四章对基于e一过滤器组的人脸美化增强系统的改进„„„„„„„„„((25 4(1,一过滤器原 理„„„„„„„„„„„„„„„„„„„„„„„„25 4(2独立成分e一过滤器原理„„„„„„„„„„„„„„„„„„„28 4(3非线性,一过滤器组原 理„„„„„„„„„„„„„„„„„„„29 4(4一种改进的人脸图像边缘增强方法„„„„„„„„„„„„„„„31 4(5本章小结„„„„„„„„„„„„„„„„„„„„„„„„„„32 第五章人脸美化增强系统的仿真实 验„„„„„„„„„„„„„„„„„34 山东大学硕士学位论文 5(1人脸美化增强系统介 绍„„„„„„„„„„„„„„„„„„„„34 5(2计算机仿真结 果„„„„„„„„„„„„„„„„„„„„„„„35 5(3本章小结„„„„„„„„„„„„„„„„„„„„„„„„„„36 第六章总结与展 望„„„„„„„„„„„„„„„„„„„„„„„„„37 参考文 献„„„„„„„„„„„„„„„„„„„„„„„„„„„„„((38 致 谢„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„((4l 攻读学位期间发表的学术论文目 录„„„„„„„„„„„„„„„„„„((42 , Abstractin Chinese(((„„((((((((((((((((((((((((((((„„(„„((((((((((„(( ((„„„„„„„„„„((„„I Abstractin English„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„((? 1 ChapterIntroduction((((((((((„„„„„„„„(((((((((((„„„„„„„(((((((„(((((((((„„„„((1 1(1 and Backgroundsignificance„„„„„„„„„„„„„„„„„„„„„„„„„„1 1(2 The taskand innovation((((„„„„„„„((((((((((„((„„„„„„„„(((((„((((2 prime 1(3The organizationalstructure„„„„„„„„„„„„„„„„„„„„„„„ „„„((3 2 Selectionand offace color Chapter modeling space((((((((((((((((((((((((((((((((((((((((5 2(1The methodsofface in detectioncolor key images„„„„„„„„„„„5 2(2Skin-color model„„„„„„„„„„„„„„„„„„„„„„„„„„„(7 2(3 model„„„„„„„„„„„„„„„„„„„„„„„„„„„(7 Color-space ? 2(4 Selectionand offacecolor 1 modeling space(((((((((„(((((((((((„„„„„„„(((((1 2(5 Subtotal((„„„((„„„(((((((((((((„((((((((„„„„„„„„„„((((((((((((„(((((„„„„(14 ?、 3Skinarea extractionofface 5 Chapter image((((((((((((((((((((((((((((((((((((((((((1 3(1 Light compensation„„„(„„„„„„„„„„„„„„„„„„„„„„„„„„„(15 3(2 Similarity computing((„(((((„„„„„„„„„„„„(((„((((((((„„„„„„„„„(((16 3(3Threshold segmentationofimages((((((((((((((((((((((((((„„„„„„„„„((((((((((„(((17 3(4Median filtering„„„„„„(((„„„„„„„„„„„„„„„„„„„„„„ „„„((19 3(5 Determinethelocationoftheface boundary„„„„„„„„„„„„„„20 3(6Skinareaextractionofface image(((((((((((((((((((„„(„„„„„„((((((((((((„((((((((((22 3(7 Subtotal„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„((23 4Anew for method face enhancementbasedon Chapter beautifyingimages、蕊th s-filterbank system„„„„„„„„„„„„„„„„„„„„„„„„„(25 4(1 an of Principles-filter(((„„„„„„(„(((((((((((((((((((((((((((((((( ((((„(„„(„„(((((((((((25 4(2 ofa Principle 4(3 m?k ofans-filter Principle bank„„„„„„((((„((„„„„„„„„„„„„„„„„„(29 4(4Anew methodfor face enhancement„„„„„„((31 beautifying images谢th 山东大学硕士学位论文 皇曼量量曼曼曼曼曼曼曼曼笪蔓曼曼曼曼曼曼曼量量曼量量量量量曼曼量量量置曼曼皇曼曼曼曼曼曼曼量曼曼曼曼量曼曼曼曼曼曼曼曼曼曼曼曼罾罾曼曼曼( 4(5Subtotal„„„„„„„„„„„((((((„(„„„(„„„„„„„„(„„„(„(„„„„„„32 withenhancement((((((((((((((34 5Simulationsofface imagebeautifyingsystem Chapter offace a 5(1Theintroduction imagebeautifyingsystem„„„„„„„„„„„„„„(34 5(2 simulations„„„„„„„„„„„„„(„„„„„„„„„„„„„„„ ((35 Computer J】 5(3 Subtotal„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„ „„„„((36 6Summarizationand Chapter Prospect((((((((((((((((((((((((((((((„„„(„„„„„„„„(„„37 References„„„„„„„„„„„„„„„„„„(„(„„„„„„ „„(„„„„„„(„„(„„:;8 Acknowledgments„„„„„„„„„(((((((((((((((((((((((((„„((((((((((„„„„„„„„„„„„41 Published„„„„„„„((((((((„„(((((((((((((((((((„„„„„„ „„„„„„„„„„„(42 Papers t ? , t Ij-?, 像的质量要求也随之越来越高,虽然Photoshop可以完成这方面的工作,但是它 要求使用者对Photoshop有一定的了解,并且该工作复杂而繁琐,所以需要一种 可以自动的处理人脸图像系统,近来对该方面的研究越来越受到关注。人们追求 的是一种在不失真的前提下尽可能的使人脸变得漂亮、光滑的高质量显示图像的 效果。 本文针对此课题进行了研究,针对较为常见的JPEG格式的人脸图片完成了 基于e一过滤器组的人脸美化增强系统的与改进。首先应用肤色模型算法定 位出人脸区域,然后对检测出的人脸区域做非线性的e一过滤器组的人脸美化处 理,来去除人脸皮肤中的斑点、皱纹等影响皮肤美观的不理想因素,最后通过改 “ 进后的边缘增强算法来对过滤后的人脸图片进行边缘增强,通过以上各个步骤, 7t, 可以很好的保留图像的细节部分,同时有效的去除不理想信息。本文通过人脸美 一 化增强系统改进前后的实验结果进行比较,取得了比较不错的结果。 本文以大量人脸图像为样本,基于VC++平台实现了以上人脸美化算法,广 泛的样本处理结果表明:该算法能有效消除图像中的斑点皱纹等不理想因素,并 能保证人脸图像边缘的清晰,具有学术创新和实际应用前景。 关键词:人脸检测;人脸美化:,一过滤器组:图像边缘增强; 山东大学硕士学位论文 ABSTRACT as In andmoremultimedia cameras, nowadayssociety,more systems,such andSO been allneedtoshow mobile conference on,haveused(They phones,video the thecontinuous ofaesthetic color digital image(With improvement concepts, ofthe aremoreandmoresensitivetothe quality displayimages(Although people the inthis theuserstohavesome Can area,it job requires Photoshopcomplete and weneeda about andthe is cumbersome,SO knowledgePhotoshopjobcomplex theface are new whichCan automaticallybeautify image(Recenty,there system theface researchesonthisarea(The whichmeansthat increasing high―qualityimage theinformationis is clearandbeautifulwithout pursued( imageprocessed losing to thisarea(a The hasbeen system proposedaccordingresearching algorithm isJPEG basedon,(filterbankfor theface which automaticallybeautifyingimage 、- includeseveral faceareais formatis and steps(Firstly,the designedimproved(They ’11 whichis ofcolormodel(Thene-filterbank detected the by algorithm system using , aswrinklesand toremovetheundesirableskin spots, supposed components,such tomakethefacelookbeautifiedis fromhumanface designed(Last(a images Was tomake withthe method unsharp proposed post-processingimproved masking and theabove Call the offace clearer(Throughsteps,thesystem edge imagessharper as thedetail removethe unsatisfactoryinformation, such information,while keep the andotherskinfactorswhichaffectthe aesthetic(Compared谢th spots,wrinkles filter above hasthebetterresults nonlinear systemproposedbyArakawa,thesystem onawide The hasbeenrealizedonVisual C++(Experiments proposedsystem this Can eliminatethe of that imagesprove algorithmeffectively rangesample and as andSO the 011,while imagequality unsatisfactoryfactors,suchspots keep mnovationand hasacademic practicalapplications clearly(Thesystem ? l words:facedetectionface e-filterbank unsharpmasking Key beautifying ? 玎 人脸图像美化处理技术的应用非常广泛,在多媒体视频处理中更是得到了 很好的应用。它不仅能够较完整的保留人脸的特征,比如嘴巴和眼角的边缘, 眉毛和睫毛的细节部分,而且能够较好的去除掉人脸皮肤中的不理想元素,比 如斑点和皱纹等。现在越来越多的研究人员开始从事这方面的研究,并且取得 了一些很有应用价值的研究成果。例如在柯达相机的一些型号中,已经使用了 人脸美化技术对人脸图像进行自动的处理和美化,进行了一些有益的尝试,取 得了不错的效果。但是该美化系统对人脸图像的细节信息模糊比较严重,需要 进一步的改进。另一个是ChristinaYao[1】提出的人脸图像化妆系统,该系统能够 模拟Photoshop应用软件的效果来达到自动美化人脸的目的,图像的细节信息 ^ 被保留,同时斑点和皱纹等不理想信息被平滑去除,效果还不错。该系统采用 , 图像修复技术,原始图像被划分为一系列的像素区块,在颜色系统中将每个像 ’ 素区块标记为不同的特征值。然后,利用高斯平滑滤波器等图 像增强技术来平 滑粗糙的皮肤和皱纹,去除皮肤表面的斑点和痘疤等瑕疵,进一步美化皮肤的 肤色,最终达到美化人脸的目的。该系统由四大模块组成,即: 1 在彩色图 片中检测人脸区域; 2 确定人脸的特征区域; 3 利用高斯平滑滤波器来平 滑人脸非特征区域; 4 Q模板匹配算法。该系统时间复杂度较小,用户使用 该系统,可以在很短的时间内达到平滑粗糙皮肤和皱纹,去除斑点的效果。 值得一提的是I-I(Arakawal21提出的一个可以自动美化人脸图像的非线性滤 波器系统,并且已经在多媒体远程会议等系统中得到应用。该系统能够自动的 去除掉人脸皮肤中的斑点、皱纹和其它不理想皮肤元素,同时保留皮肤的细节 信息。如果将人脸图像的信息从频率和幅值两个方面来研究,为了使图像尽可 能的自然而同时又达到美化的效果,该系统可以很好的过滤掉对应于图像中的 ,^ 斑点、皱纹等不理想因素的小幅值随机信号,而较好的保留图像的细节信息。 l H(Arakawa提出,该非线性过滤器有三种类型: 1 ,(过滤器,该滤波器可以 ? 较好的去除掉一些小的斑点等皮肤元素,使皮肤变的光滑漂亮。它是一种最简 山东大学硕士学位论文 单的滤波方法; 2 独立成分 CS ,(过滤器,该滤波器是在第一种过滤器基 础上的发展和延伸,它的最大特点就是可以很好的去除大部分的斑点、皱纹等 信息,保留图像细节信息同时平滑皮肤。该方法比第一种方法要复杂,但处理 过的图片比第一种方法看起来自然; 3 非线性,(过滤器组,该过滤器组是 H(Arakawa提出的三种类型中最复杂,但美化效果最好的一种。它可以去除掉 一些相对来说较大的斑点信息,使皮肤变得平滑而自然。从实验结果来看,非 线性,(过滤器组能够自动的实现人脸美化的目的,但不足之处是该过滤器很难 区分人脸特征边缘上皱纹和斑点,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,通过阅读大量的相关文献,研究各种相关的算法,本文作 者提出一种改进方法以消除非线性e一过滤器组造成的人脸图像边缘模糊。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。 1(2本文的主要工作和创新点 I 、’ 本文通过对基于非线性e(过滤器组的人脸美化算法的研究,找出该算法的 , 一些不足之处,提出了自己的改进方法,构建了基于非线性e(过滤器组的人脸 美化增强系统。如图1-1,该系统分三个步骤来对图像进行处理: 1 人脸图 像的预处理,利用肤色模型检测并提取人脸的肤色区域; 2 利用非线性,一过 滤器组来对人脸图像中的皮肤区域进行处理,有效的去除影响人脸美观的因素, 如斑点、皱纹等。 3 边缘增强,通过改进后的边缘增强算法,增强人脸的特征 边缘,使图像变的更清晰,很好的实现了人脸美化的效果。 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。 ,一过滤 人脸图像的 y i,j ――――? ――――_ 预处理 器组 边缘增强 -( j - 图卜1改进的人脸美化增强系统 2 山东大学硕士学位论文 本文主要的创新点是: 首先,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,频率 空间上相重叠,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,一过滤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,其理论是基于人脸图像y i,j 的4邻域 拉普拉斯算子的加权运算。本文作者主要就边缘增强算法进行改进,提出基于人 脸图像y i,j 的8邻域拉普拉斯算子的加权运算方法,通过计算机仿真实验, 改进后的图像比改进前的更清晰,更漂亮。 其次,在人脸图像的预处理阶段,提出了对二值化图像进行中值滤波的思想 和方法。该方法能够较好的过滤掉肤色区域外的干扰信号,大大提高了对人脸肤 色区域上下左右边界的检测精度。 最后,本文作者结合人脸肤色区域的特征和上下左右边界值,精确的提取出 了人脸图像的肤色区域,大大降低了对背景图像的影响。 1(3本文的组织结构 本文的第一章介绍了人脸美化算法的研究背景及研究现状,着重阐述了本文 的主要工作和创新点,最后介绍了本文的组织结构。 第二章人脸肤色空间的选取与建模,本章介绍了人脸检测的四种模型方法, 概括基于肤色模型的人脸检测技术的优点。同时介绍了彩色图像的各种颜色模 型,通过介绍,最终选取在YCbCr颜色空间建立肤色模型。 第三章人脸图像肤色区域的提取,本章首先介绍了光线补偿算法,在图像预 处理阶段采用该补偿算法对图像的亮度进行调整。通过对图像进行相似性计算、 阀值分割、中值滤波和直方图统计,确定人脸肤色区域的上下左右边界,最后通 过图像分割算法提取出人脸图像的肤色区域,为下一步人脸美化做准备。其中, 作者提出了中值滤波法,大大提高了二值化图像的质量。 第四章对基于,(过滤器组的人脸美化增强系统的改进,为本章的核心。本 章作者提出一种改进后的边缘增强算法来改善人脸美化后边缘轻微的模糊,取得 了很好的效果。 山东大学硕士学位论文 第五章人脸美化增强系统的仿真实验。本章通过计算机仿真实验结果进一步 证明改进后的方法使图像更美观、更清晰。 第六章为总结与展望,本章简要总结了全文的算法思想,优点和不足之处, 并对今后的工作提出了几点展望。 4 山东大学硕士学位论文 第二章人脸肤色空间的选取与建模 肤色是彩色人脸图像中的重要信息,它与面部的细节特征无关,具有相对的 稳定性和不变性。由于大部分背景物体的颜色与肤色有明显的区别,即使人的表 情、姿态和位置发生变化,肤色模型都能够很好的适应这种变化。肤色特征的描 述是基于一定的色彩空间模型的,因此构建肤色模型,利用肤色特征可以快速从 大量的背景颜色中分离出人脸核心区域。这种分割技术越来越引起研究人员的关 注。本章将介绍人脸检测的四种模型方法,归纳基于肤色模型的人脸检测技术的 优点。同时介绍彩色图像的各种颜色模型,通过介绍,最终选取在YCbCr颜色 空间建立肤色模型。 2(1人脸检测的关键方法 人脸检测【3】问题从不同的角度有很多不同的分类方法,其所包含的内容也是 十分广泛和复杂的。通过阅读大量文献,可以总结出现有的人脸检测方法基本上 可以分为四大类:基于特征的人脸检测方法,基于统计模型的人脸检测方法,基 于知识的人脸检测方法和基于模板匹配的人脸检测方法 1 基于特征的人脸检测方法 基于特征的人脸检测方法和基于知识的方法相反,它把人脸存在的不变特征 用于人脸区域检测,这些特征称之为面部特征,如眼睛、鼻子、眉毛、耳朵和嘴 等,具有相对的稳定性。同时也可以建立特征向量,从它们之间的几何关系入手 进行人脸检测。我们需要设计一个边缘提取器,检测和提取人脸的面部特征,建 立统计模型和特征向量,然后进一步的推断人脸是否存在。但基于特征的人脸检 测算法很难推广使用,因为图像的特征会被噪声、光照和遮挡等因素严重的干扰 和破坏,甚至属性发生改变。由于遮挡产生的阴影可能会导致边缘增强,从而人 脸的特征边界被干扰和弱化。这些不足严重的降低了该方法的检测效果和准确 度。 山东大学硕士学位论文 皇曼曼曼量曼舅曼曼曼量曼曼曼舅皇曼舅曼量曼曼曼量皇曼曼曼舅舅量曼曼曼皇曼曼曼曼量舅――皇量皇皇曼量曼鲁曼量――鼍曼曼曼曼曼量???|曼皇曼曼曼曼曼曼曼曼曼曼一 2 基于统计模型的人脸检测方法 基于统计模型的人脸检测方法是针对于人脸图像非常复杂,人脸特征的准确 描述非常困难而提出的。这种方法的提出实际上将人脸检测问题转化为二分类问 题。首先把人脸区域看做模板特征及一类模式,然后将人脸图像中所有的区域与 模板特征进行匹配,判断该区域属于哪类模式,进而实现人脸图像的检测。这需 要我们收集大量的“人脸”和“非人脸”样本,进行大量的样本训练,才能准确 的对检测图像进行分类。 3 基于知识的人脸检测方法 基于知识的人脸检测方法要求必须有准确而完备的人脸先验知识做支撑,这 是制定检测规则的主要依据,因此该方法也称之为基于规则的人脸检测方法。规 则的制定比较简单可行的方法是首先提取输入图像中的人脸面部特征,描述和确 定这些特征之间的相互关系,通过它们的位置和彼此之间的距离建立特征向量, ? 最终确定人脸待选区域。由于人脸的明显特征较少,通常只有相互对称的一双眼 睛、鼻子和嘴巴,因此时间复杂度不高。 ( ? 很难将人类的知识转换为定义明确和完备的规则是这种方法存在的主要问 题。由于人脸位置或姿态的变化,我们很难找到一种快速的方法列举所有的情况, 这项工作将是复杂而困难的。如果规则太通用 概括 ,错误接收率可能会较高; 如果规则是严格的 详细的 ,检测很可能由于系统不能通过所有的规则而导致失 败。 4 基于模板匹配的人脸检测方法 基于模板匹配的人脸检测方法需要通过预先设置的阀值来判断图像中是否 有人脸的存在。阀值的确定取决于人脸匹配的鲁棒度,那么如何进行模板的匹配 呢?不同传感器在不同时间或不同成像条件下对同一个物体拍照获取的多幅照 片如何在机器的识别过程中进行对准,如何在一幅图像中匹配已知的模式,这都 ( 需要我们进行更进一步的研究。早期基于模板匹配的检测方法【4】[51,首先建立一 _ 个包含人脸局部特征的的人脸模板,然后根据预设窗口的大小,计算一幅输 6 山东大学硕士学位论文 入图像与标准人脸模板中相似部分的相关系数,通过判断相关系数的大小来判断 图像中人脸是否存在。它的缺点是适应性不强,检测精度不高。 为了克服早期基于模板匹配检测方法的不足,Yullie[6】等人提出了基于弹性模 板的人脸检测方法。由于弹性模板fJ7】的设置与图像中物体的轮廓和灰度信息相 关,模板是动态可调的,这一特性大大提高了图像检测的适用性和准确度。基于 弹性模板的人脸检测方法是,在需要检测的图像中移动弹性模板,根据被测物体 的形状动态的改变和调整其参数并实时计算与之相应的能量函数,形成能量函数 值列表。当能量函数达到最小值时,说明可调模板的形状与人脸的形状最大近似, 根据预先设置的阀值来判断是否存在人脸。正是因为弹性模板是动态可调的,对 于检测物体的不同尺寸、姿势和偏转角度都有很大的适应性,提高了检测的 精度。 但由于该算法要不断的调整弹性模板的参数和实时的计算能量函数,时间复杂度 较大,计算的时间过长,无法满足人脸美化系统的实时性。同时弹性模板的设计 要根据人脸形状的不同而不同,设计所有弹性模板是一件很困难的工作。 2(2肤色模型 通过研究,肤色信息具有相对集中和稳定的特性。利用这一人脸面部最明显 的特征可以很好的区分人脸与背景。同时肤色信息还有一个更大的有优点,那就 是不同肤色的人脸具有相近的色调,不同之处只是人脸的亮度不同。因此基于肤 色模型瞵J的人脸检测具有快速、准确的特点,同时具有很好的鲁棒性和普 适性。 人脸肤色在色度空间中的分布具有聚类性【9】。虽然物体表面颜色的亮度会在 不同的光照强度下发生变化,并且有些变化是非常大的甚至具有破坏性。但相对 亮度来说,色度和饱和度具有一定的独立性,它与亮度的相关性很小,在很大的 范围内非常稳定,只是在亮度很大或着很弱的情况下才会发生大的变化。 2(3颜色空间模型 人眼看到的颜色通常包括色调、饱和度和亮度。其中色调又称色相,表示光 的颜色,由光波的波长决定。区别颜色种类和判定颜色名称主要依据物体的色调, 不同的颜色由不同的波长决定,具有不同的色调。光波的幅度影响颜色的亮 度和 7 山东大学硕士学位论文 曼曼曼曼曼曼量量曼罾皇量曼曼曼曼量曼曼曼曼曼舅曼曼量皇曼蔓曼曼喜笪曼蔓曼曼曼曼量曼曼量?曹|置?曼曼曼皇曼曼皇曼曼曼曼曼曼量量曼量曼曼曼量曼皇曼量置曼曼曼曼曼 饱和度。饱和度是指颜色的深浅和浓淡程度,它与色调中加入的白色比例有关, 加入的白色越多饱和度就越低,颜色就越淡,反之颜色就越纯。亮度是指光的明 暗程度,它是人眼主观感觉到的光谱辐射功率。 在确定了基于肤色模型的人脸检测方法后,我们要根据人脸肤色本身所具有 的特性和计算机在不同的色彩空间对肤色的识别和处理能力,确定最佳的颜色空 间模型。通常,在计算机中能够表示的颜色空间模型有: 1 RGB色彩空间模 1 RGB色彩空间模型 RGB色彩空间模型是我们最常用到的彩色模型,它的应用领域非常广泛。 和蓝色 波长 435(8nm 三种单色光作为色彩系统的三基色,构建了RGB色彩 空间模型。RGB色彩空间可以用图2(1来表示,从图中我们可以看出,坐标系 由红色、绿色和蓝色组成,我们用RGB坐标系来表示图像的颜色【10】,其所对应 的值为 R,G,B 。 R 图2―1RGB色彩空间 在RGB色彩空间模型中,图像如果受到光照的影响,其值 R,G,B 会发 生变化,但各分量的比值是固定的。如 2―1 。 山东大学硕士学位论文 2叫”“ 拿 拿 拿 足G2岛 上述公式说明,在不同的光照条件下,图像只是亮度发生了改变,色彩没有 变化。RGB色彩空间与灰度图像的变换为线性变换,可以通过公式 2(2 把彩 色图像变换成灰度图像。但在RGB色彩空间中,色度信息和亮度信息是混合在 一起的,在光照条件发生变化的情况下,图像亮度也会发生改变,这会使基于肤 色模型的图像分割的结果变的不可靠,影响了人脸检测的准确度。 14冰B 2-2 Gray 0(299冰R+0。587帛G+0(1 2 rgb色彩空间模型 rgb色彩空间模型与RGB色彩空间模型的数学关系为: 尺 R+G+B G 2-3 g 2 ’R‘――+――G―――+―――B―― 垒 6: 尺+G+占 从公式 2(3 可知r+g+b 1,因此rgb色彩空间模型是归一化的RGB色彩空间 模型。 3 HSV色彩空间模型 常为艺术家所使用。画家用改变色浓和色深的方法从某种纯色获得不同色调的颜 色,在一种纯色中加入白色以改变色浓,加入黑色以改变色深,同时加入不同比 例的白色、黑色即可获得各种不同的色调。 9 山东大学硕士学位论文 ―皇蔓曼曼曼曼曼曼量量罾罾曼皇曼曼曼曼曼曼皇量曼曼曼曼曼曼曼曼曼曼量量曼曼曼曼舅舅薯量曼曼曼曼曼曼曼??量皇皇曼曼曼曼曼曼曼曼曼?薯皇笪笪舅曼量曼舅 S-、 红 青 图2―2HSV色彩空间 和亮度 Value 分开,其优点就是,当图像受到光照、遮挡和阴影等外部环境 的干扰时,只是影响图像的亮度V分量,而色调分量通常具有稳定性,这有利 于我们通过反映色彩本质的色调和饱和度分量对图像进行分析和处理。如在对光 照条件动态变化的图像进行分割时,采用色调分割特别有效,而在RGB色彩空 间去口很难做至0。 公式 2(4 为RGB色彩空间转换到HSV色彩空间的数学表达式。从公式 中我们可以发现,这种转换是非线性的,计算复杂度高,计算效率较低。在R, G,B的取值非常接近的情况下, 比如当亮度很高或很低时,任一取值微小的 变化都会引起色调值发生大的改变。这种色调不稳定的现象又称为奇异性问题; H arctanc揣, W_-!墨?垡?垒2 2-4 3 S:1一―min R―,G,B 矿 10 其中Y是亮度信息,Cb、Cr是色度信息,分别表示蓝色和红色。YCbCr色 彩空间模型是在YUV色彩空间模型基础上改进的。该模型最大的特点就是把亮 度信息与色彩信息分离开,这对于人脸区域检测是相当有利的。通过大量的实验 表明,由于人种、性别和年龄差异,不同的人看上去会具有不同的肤色。这些变 化主要是由亮度的不同引起的,而人脸的色度会相对稳定。同时同一人脸图像在 受到光照、遮挡和阴影等情况时,亮度信息Y也会发生改变,但色彩信息cb、 Cr相对稳定。以上优点便于我们采用阀值分割的方法,从相对稳定的人脸肤色 入手,检测人脸图像,提取肤色区域。同时YCbCr颜色空间模型和RGB颜色空 间模型的转换是线性的,换算关系简单,时间复杂度不高,不存在如HSV色彩 空间的奇异点现象。基于以上的这些优点,我们最终选择了在YCbCr色彩空 间 建立肤色模型。 2(4人脸肤色空间的选取与建模 利用肤色模型【l31,逐一对像素值与肤色样本进行对比,以此来判断哪些像素 属于肤色范围。基于肤色模型的人脸检测过程分为模型的建立和模型的运用两个 主要的阶段。首先通过收集大量的肤色像素样本进行数学上的统计分析,确定可 以接受的置信空间,确定模型中的参数,从而实现模型的建立。其次,通过建立 的肤色模型来进一步的判断图像的像素是否为肤色。由于图像中实际肤色的像素 值存在一定的波动,因此如何选择和确定肤色的范围很关键。目前有直方图 统计、 肤色范围和高斯密度函数三种常用的建模方法。其中直方图统计属于非参数化方 法,肤色范围属于阀值化方法,而高斯密度函数属于参数化方法。 我们可以通过大量的样本实验确定肤色范围,这是一种简单而高效的方法。 山东大学硕士学位论文 由于不fi4人种的肤色范围略有不同,但我们依然能够通过全部列举而建立肤色模 型。经过大量肤色样本统计,黄色人种的肤色范围在YCbCr颜色空问中表示为: 为它属于肤色。我们通过实验发现,肤色样本在空间呈二维高斯正态分布,因此 我们将充分利用高斯分布数学表达式直观、简单这一优点,采用高斯模型 【141的方 法在YCbCr颜色空间中建立肤色模型。其方法是通过计算像素的概率值得到一 个连续的肤色概率图,通过阀值最终确定肤色的范围。图2(3是二维高斯模型, 表示为肤色样本在YCbCr空间的正态分布。 图2-3高斯模型 公式 2-6 为二维高斯型函数的数学表达式,用来表示肤色样本的空间分布。 2-6 P C6,Cr eXp[_o(5@一M 丁c’1@一M ] 其中,X为肤色样本在YCbCr颜色空间的值,C为肤色相似度的协方差矩 阵,M为肤色样本在YCbCr颜色空间的样本均值。其数学表达式如下: 像组成肤色样本,如图2(4。其他人种的计算和黄种人计算方法一样,只是收集 的样本不一样。通过列举所有人种的统计特征值,便可以建立肤色模型。 图2-4黄种人肤色样本 提取所有样本中的肤色点,计算协方差矩阵C和均值矢量M。数学表达式 如下: c2圳, 历 熹喜喜,,万 上re X,',妻i--1芝j--1, 山东大学硕士学位论文 ―Lyy C历i一 OOc bC旷c 兰兰上 nxm2 bC 鲁台、u 1 2-11 ―Lyy Ct?一 nxm2 rC lc rC一, 笔羹上 智智、‖ m船 1 一 7、‖ c01 c10 志gg cbo(一c6 ,一Cr 聊X刀„一 ,,jcoo 2-12 c一[cio 通过计算得到的统计特征值为: 117(4371 2-13 M I 156(5589 L ― 12(1431 160(1311 2―14 C l 12(1431299(4564 2(5本章小结 肤色是彩色人脸图像中的重要信息,它与面部的细节特征无关,具有相对的 稳定性。由于大部分背景物体的颜色与肤色有明显的区别,即使人的表情、姿态 和位置发生变化,肤色模型都能够很好的适应这种变化。肤色特征的描述是基于 一定的色彩空间模型的,因此构建肤色模型,利用肤色特征可以快速从大量的背 景颜色中分离出人脸核心区域。本章介绍了人脸检测的四种模型方法,归纳了基 于肤色模型的人脸检测技术的优点。根据人脸肤色的特性最终选取在YCbCr颜 色空间建立肤色模型,为下一章人脸图像肤色区域的提取奠定了基础。 14 要对图像进行预处理。方法之一就是通过采用光线补偿算法对图像的亮度进行调 整,使肤色调整到正常的肤色范围。通过对图像进行相似性计算、二值化、中值 滤波和直方图统计,确定人脸肤色区域的上下左右边界,最后通过图像分割算法 提取出人脸图像的肤色区域,为下一步人脸美化做准备。图3(1为人脸图像肤色 区域的提取流程图。 图3―1肤色模型算法流程图 3(1光线补偿 在人脸检测过程中,被检测的人脸图像由于受图像捕捉设备本身和光线变化 的影响,使肤色在整体上偏离本质色彩向某一方向移动,这大大降低了人脸检测 的精度。为了降低这种干扰,提高人脸区域的检测精度,在基于肤色模型的人脸 区域检测前,我们需要通过光线补偿算法对图像的亮度进行调整,使肤色调整到 正常的肤色范围,为人脸图像肤色区域的提取奠定了基础。光线补偿算法的具体 步骤如下: 首先,将图像中所有像素按照亮度的大小从低到高进行升序排列。 其次,去除亮度序列最后面的,即亮度值最大的5,像素,并将这些像素的 山东大学硕士学位论文 像素值调整为最大值,如在RGB空间中,R、G、B分量值都调整为最大的255。 最后,计算出光线补偿算法调整因子,按照这一调整尺度对整幅图像中的其 他像素进行调整。 一般的脸部图像中都包含睁开的双眼,而白眼圈的颜色通常是纯白色,所以 将人脸图像中亮度最大的5,像素调整为纯白色是合理的。通过光线补偿算法, 基本上可以消除色调偏冷、偏暖,图片偏黄、偏蓝的现象,使肤色调整到正常的 范围。试验结果表明,经过光线补偿算法处理后,人脸区域的检测精度大大提高。 3(2相似度计算 我们通过对图像进行光线补偿后,提高了图像的质量。为了检测到人脸的肤 色区域,我们首先需要对图像进行颜色空间的转换,在图像由RGB颜色空间转 换为YcbCr颜色空间之后,再利用二维高斯函数计算图像中所有像素与肤色统 计值的相似度,它是一个概率值,其值域在【0,1】之间,表示该点属于皮肤的可 能性大小。但在实际计算过程中,由于公式 9(-6 没有二维高斯函数前的系数, 导致计算出来的相似度值不能完全收敛到[O,1】之间,因此需要对相似度的值进 行数学上的归一化处理。 其方法是,首先将图像中所有的像素值P Cb,Cr 分别除以该图像中最大的像 素值,将相除所得到的结果作为该点的相似度。然后利用简单的数学公式将 相似 度的值域由【0,1】转化为[O,255],最后将归一化后的相似度以灰度图的形式显 示出来,为下一步人脸图像的阀值分割做准备。如图3-2,其中图 a 为原始图像, 图 b 为相似度计算后显示的图像。 16 a 原始图像 b 相似度计算 图3-2相似度计算实验结果 3(3图像的二值化 人脸图像的识别主要包括两个方面,一个是判断图像中是否存在人脸,一个 是判断人脸的位置。判断一幅图像中是否存在人脸对于机器来说准确的识别是困 难的事情。我们是在已知图像中确实存在人脸的前提下,只是讨论如何判断人脸 的具体位置。在选择了基于肤色模型的人脸检测方法后,肤色便成了我们进一步 判断人脸位置的依据。首先对人脸图像进行图像分割‘”】[161【171,根据已知的规则 把图像分割成彼此互不相交的区域,最简单的办法就是把图像中每一个像素与肤 色样本的统计范围做对比,在肤色范围内的像素是肤色,超出这个肤色范围的就 当作背景来处理。但在实际的过程中,存在很多问题,由于很多干扰的存在大大 降低了识别精度,于是对图像进行了一些预处理。在对图像进行光线补偿和相似 度计算后,需要对图像进行二值化处理,这里采用了阀值分割技术【18】,将图像中 所有像素的灰度值逐一的和阀值进行比较,判断该像素是否属于肤色。 可以看出,阀值分割成功与否的关键就是如何选择合适的阀值,因为阀值过 高或者过低都会造成误判【19】【捌。目前,阀值分割技术主要包括全局阈值分割技 术、自适应阈值分割技术和最佳闽值分割技术。其中,全局阀值分割技术的思想 是用同一个阀值对图像中所有的像素进行比对和处理。因此可以想象,对于复杂 的人脸图像进行分割,其效果并不理想。由于人脸的背景复杂和不确定性,会造 17 山东大学硕士学位论文 皇曼曼曼曼曼量量曼曼量量曼曼曼曼曼曼量曼曼曼曼曼曼曼曼曼曼曼曼曼量曼曼曼曼曼曼曼曼曼量量量量量?|曼曼曼曼舅量曼皇量曼量量皇曼曼曼量量???曼奠?置 成大量的误判,降低了检测的准确度。而自适应阀值分割技术,其思想是把复杂 的图像分而治之,分成若干的子图像,根据图像的局部特征动态的选择不同的阀 值,进而判断图像中的像素是否为肤色。由于该技术时间复杂性较大,检测速度 慢,不适合人脸美化系统的实时性要求。最佳阀值分割技术,其思想是需要根据 具体的一类图像来选择确定阀值,达到图像分割的目的。我们通过分析人脸图像 的相似性直方图,发现该直方图存在较为明显的双峰情况,其中一个是人脸背景 较为集中的区域,另外一个是肤色较为集中的区域。实验表明,我们选择两个峰 值的谷底拐点作为
/
本文档为【基于非线性ε过滤器组的人脸美化算法的研究与改进(可编辑)】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。 本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。 网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。

历史搜索

    清空历史搜索