基于特征相似性的合成人脸画像质量评价方法技术

技术编号:11134528 阅读:177 留言:0更新日期:2015-03-12 10:05
本发明专利技术公开了一种基于特征相似性的合成人脸画像质量评价方法,主要解决现有图像质量评价方法直接应用在合成人脸画像中主客观一致性差的问题。其实现过程是:1)对测试合成人脸画像与参考画像进行预处理,使其尺寸大小一致;2)对合成画像与参考画像进行分块;3)对每幅画像的合成人脸画像块进行质量评价,得到画像块的质量评价分数;4)求整幅画像的质量评价分数。本发明专利技术与现有方法相比,充分考虑了合成人脸画像结构的特殊性,提高了合成人脸画像的主客观质量评价的一致性,可用于犯罪嫌疑人身份识别。

【技术实现步骤摘要】

本专利技术属于图像处理
,涉及合成人脸画像质量评价方法,可用于身份识别。
技术介绍
随着信息智能化以及人脸识别技术应用的推广,例如公安部门犯罪嫌疑人识别系统,公司机构人脸识别考勤机等,人们对个人身份识别以及认证技术越来越重视。但是在实际生活中会存在信息缺失的情况,如刑侦机构追捕犯罪嫌疑人时,犯罪嫌疑人的照片往往无法直接得到。能为追捕逃犯提供帮助的,只有画家根据目击者描述绘制的犯罪嫌疑人画像,而目前公安机关已有的数据库为人脸照片数据库,需要将人脸照片-画像转化至同一表达方式下进行识别。但是在将人脸照片转化成画像的过程中,所得到的合成人脸画像的质量会有不同程度的失真,而合成人脸画像质量的好坏将直接影响确定犯罪嫌疑人的准确度。故希望在使用合成人脸画像方法时,能选择合成人脸画像质量较好的合成方法,所以有效的进行合成人脸画像质量评价对于提高识别率至关重要。由于目前国内外的图像质量评价方法研究多针对各类失真的自然图像,实验过程中考虑的主要是模糊和噪声,比如高斯掩膜、高斯噪声、椒盐噪声、高频噪声、JEPG失真、JEPG2000失真等;而影响人脸画像质量评价的问题主要是存在的块效应以及人脸结构,所以现有的图像质量评价方法应用在人脸画像质量评价方面效果不甚理想。传统的客观图像质量评价方法主要集中在研究自然图像,其主要分为三类:一、全参考型图像质量评价方法全参考图像质量评价方法是在原始图像信息作为参考的情况下进行图像质量评价,该类方法的思想是从两个图像的相似程度上定义图像质量,假设参考图像为标准图像,若参考图像与待评价图像完全一样,则相似程度为100%;若出现失真则相似程度在0-l之间。目前存在的方法主要有PSNR、SSIM、FSIM、IW-SSIM、VIF、VSNR等方法。二、部分参考型图像质量评价方法部分参考型图像质量评价方法只使用原始图像的部分信息来评价图像质量。目前存在的方法主要有WN-ISM、RRED等方法。三、无参考型图像质量评价方法全参考型和部分参考型图像质量评价方法的共同点是:它们全部或部分地依赖原始图像作为参考。但事实上在许多场合下都无法或者较难获得无失真的原始图像,比如成像系统、用户终端等,在这些情况下前两类评价方法就无法发挥作用。另外,考虑到人眼视觉系统在评价一幅图像质量时并不需要有原始图像作为参照,即使接收到的图像信息有限,人们也能很轻松地对图像质量做出评价,这本身就是一种无参考型的评价方法。目前主要存在的研究方法是BIQI、BLIINDS、LBIQ、DIIVINE、BLINDS-II、CORNIA等方法。上述方法应用于合成人脸画像的质量评价时,没有考虑人脸画像与自然图像的结构差异性以及人脸画像存在的块效应,造成质量评价结果与主观质量评价的一致性低,效果不甚理想。
技术实现思路
本专利技术的目的在于针对上述现有图像质量评价方法在合成人脸画像应用上的不足,提出一种基于特征相似性的合成人脸画像质量评价方法,以提高合成人脸画像的客观质量评价与主观质量评价的一致性。实现本专利技术目的的技术方案包括如下步骤:(1)选取一幅合成人脸画像作为测试画像,选取合成画像对应的原始画像作为参考画像;将测试画像与参考画像进行预处理,使其尺寸大小一样,将预处理后的测试画像和参考画像分别表示为T(x)、R(x);(2)将测试画像T(x)与参考画像R(x)裁剪为大小一致无重叠的画像块,分别表示为TPi(x)和RPi(x),i=1,2,...,N,N表示画像块的个数,x表示像素点的位置;(3)对分割后的画像块进行质量评价:(3a)利用Canny算子分别计算第i个测试画像块TPi(x)的边缘信息ET(x)和第i个参考画像块RPi(x)的边缘信息ER(x),并计算ET(x)与ER(x)的相似度SE(x):SE(x)=2ET(x).ER(x)+T1ET2(x)+ER2(x)+T1,]]>其中T1为大于0的常数;(3b)分别计算第i个测试画像块TPi(x)的梯度幅值GT(x)和第i个参考画像块RPi(x)的梯度幅值GR(x),并计算GT(x)与GR(x)的相似度SG(x):SG(x)=2GT(x).GR(x)+T2GT2(x)+GR2(x)+T2,]]>其中T2为大于0的常数;(3c)将步骤(3a)得到的相似度SE(x)与步骤(3b)得到的相似度SG(x)进行组合,得到第i个测试画像块TPi(x)与i个参考画像块RPi(x)的相似性SL(x):SL(x)=(SE(x))α·(SG(x))β,其中α为SE(x)的影响因子,α>0;β为SG(x)的影响因子,β>0;(3d)根据步骤(3a)得到的边缘信息ET(x)、ER(x)以及步骤(3c)得到的相似性SL(x)计算画像块质量评价分数score:score=Σx∈ΩSL(x)Em(x)Σx∈ΩEm(x),]]>其中Ω为整个画像块的空间域,Em(x)=max(ET(x),ER(x));(4)对整幅测试画像进行质量评价:(4a)重复步骤(3),直至处理完N个测试画像块,每个画像块得到的质量评价分数分别表示为scorei,i=1,2,...,N;(4b)求整幅画像的质量评价分数SCORE:SCORE=1N(score1+score2+...+scorei+...+scoreN).]]>本专利技术由于充分考虑了合成人脸画像相比于自然图像的特殊性,实现了合成人脸画像的客观质量评价,与传统图像质量评价方法相比,该方法得到合成人脸画像质量评价结果与主观质量评价的一致性更高。仿真结果表明:本专利技术能够较好的提取合成人脸画像的边缘和梯度特征,在合成人脸画像质量评价方面取得较好的效果,是一种有效的可应用于合成人脸画像的质量评价方法。附图说明图1为本专利技术的实现流程图。具体实施方式本专利技术的核心思想是:针对现有的图像质量评价算法应用在合成人脸画像质量评价时,评价结果与主观质量评价一致性低等问题,提出基于特征相似性的人脸画像质量评价方法,以提高图像质量评价的主客观一致性。以下给出该专利技术在合成人脸画像的应用实例。参照图1,本实例的实施步骤如下:步骤1,画像预处理。从合成人脸画像库中选取一幅合成人脸画像作为测试画像,从参考画像库中选取一幅与测试画像对应的参考画像;将测试画像与参考画像进行预处理,使其尺寸大小相同,即均为163×200个像素点,将预处理后的测试画像和参考画像分别表示为T(x)本文档来自技高网
...

【技术保护点】
一种基于特征相似性的合成人脸画像质量评价方法,包括如下步骤:(1)选取一幅合成人脸画像作为测试画像,选取合成画像对应的原始画像作为参考画像;将测试画像与参考画像进行预处理,使其尺寸大小一样,将预处理后的测试画像和参考画像分别表示为T(x)、R(x);(2)将测试画像T(x)与参考画像R(x)裁剪为大小一致无重叠的画像块,分别表示为TPi(x)和RPi(x),i=1,2,...,N,N表示画像块的个数,x表示像素点的位置;(3)对分割后的画像块进行质量评价:(3a)利用Canny算子分别计算第i个测试画像块TPi(x)的边缘信息ET(x)和第i个参考画像块RPi(x)的边缘信息ER(x),并计算ET(x)与ER(x)的相似度SE(x):SE(x)=2ET(x).ER(x)+T1ET2(x)+ER2(x)+T1,]]>其中T1为大于0的常数;(3b)分别计算第i个测试画像块TPi(x)的梯度幅值GT(x)和第i个参考画像块RPi(x)的梯度幅值GR(x),并计算GT(x)与GR(x)的相似度SG(x):SG(x)=2GT(x).GR(x)+T2GT2(x)+GR2(x)+T2,]]>其中T2为大于0的常数;(3c)将步骤(3a)得到的相似度SE(x)与步骤(3b)得到的相似度SG(x)进行组合,得到第i个测试画像块TPi(x)与i个参考画像块RPi(x)的相似性SL(x):SL(x)=(SE(x))α·(SG(x))β,其中α为SE(x)的影响因子,α>0;β为SG(x)的影响因子,β>0;(3d)根据步骤(3a)得到的边缘信息ET(x)、ER(x)以及步骤(3c)得到的相似性SL(x)计算画像块质量评价分数score:score=Σx∈ΩSL(x)Em(x)Σx∈ΩEm(x),]]>其中Ω为整个画像块的空间域,Em(x)=max(ET(x),ER(x));(4)对整幅测试画像进行质量评价:(4a)重复步骤(3),直至处理完N个测试画像块,每个画像块得到的质量评价分数分别表示为scorei,i=1,2,...,N;(4b)求整幅画像的质量评价分数SCORE:SCORE=1N(score1+score2+...+scorei+...+scoreN).]]>...

【技术特征摘要】
1.一种基于特征相似性的合成人脸画像质量评价方法,包括如下步骤:
(1)选取一幅合成人脸画像作为测试画像,选取合成画像对应的原始画像作为参考
画像;将测试画像与参考画像进行预处理,使其尺寸大小一样,将预处理后的测试画像
和参考画像分别表示为T(x)、R(x);
(2)将测试画像T(x)与参考画像R(x)裁剪为大小一致无重叠的画像块,分别表示为
TPi(x)和RPi(x),i=1,2,...,N,N表示画像块的个数,x表示像素点的位置;
(3)对分割后的画像块进行质量评价:
(3a)利用Canny算子分别计算第i个测试画像块TPi(x)的边缘信息ET(x)和第i个参
考画像块RPi(x)的边缘信息ER(x),并计算ET(x)与ER(x)的相似度SE(x):
SE(x)=2ET(x).ER(x)+T1ET2(x)+ER2(x)+T1,]]>其中T1为大于0的常数;
(3b)分别计算第i个测试画像块TPi(x)的梯度幅值GT(x)和第i个参考画像块RPi(x)
的梯度幅值GR(x),并计算GT(x)与GR(x)的相似度SG(x):
SG(x)=2GT(x).GR(x)+T2GT2(x)+GR2(x)+T2,]]>其中T2为大于0的常数;
(3c)将步骤(3a)得到的相似度SE(x)与步骤(3b)得到的相似度SG(x)进行组合,
得到第i个测试画像块TPi(x)与i个参考画像块RPi(x)的相似性SL(x):
SL(x)=(SE(x))α·(SG(x))β,
其中α为SE(x)的影响因子,α>0;β为SG(x)的影响因子,β>0;
(3d)根据步骤(3a)得到的边缘信息ET(x)、ER(x)以及步骤(3c)得到的相似性SL(x)
计算画像块质量评价分数score:
score=Σx∈ΩSL(x)Em(x)Σx∈ΩEm(x),]]>其中Ω为整个画像块的空间域,Em(x)=max(ET(x),ER(x));
(4)对整幅测试画像进行质量评价:
(4a)重复步骤(3),直至处理完N个测试画像块,每个画像块得到的质量评价分
数分别表示为scorei,i=1,2,...,N;
(4b)求整幅画像的质量评价分数SCORE:
SCORE=...

【专利技术属性】
技术研发人员:高新波王楠楠任文君李洁胡彦婷张声传张铭津彭春蕾
申请(专利权)人:西安电子科技大学
类型:发明
国别省市:陕西;61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1