一种基于平均脸的美丽人脸合成方法技术

本发明专利技术提供了一种基于平均脸的美丽人脸合成方法，通过将人脸图像集中各人脸图像进行特征点提取、三角剖分、图像对准、分段仿射变换后，合成为一幅平均脸图像，合成的人脸图像五官比例协调，轮廓及肤色自然美观，能够反映出用于合成的图像集的特征，较好地实现了美丽人脸的合成，也验证了心理学上“平均脸是美丽的”的结论。

【技术实现步骤摘要】

本专利技术涉及计算机图像数据处理领域，尤其涉及。
技术介绍
美丽是人类普适的体验，美丽具有吸引人的力量。数个世纪以来，哲学家、艺术家、 科学家们一直致力于研究是什么使得人美丽。其中，关于人脸美丽(或称为吸引力)这一课题，进化生物学和进化认知心理学的研究者们提出了著名的脸孔平均性假说，脸孔平均性假说认为达尔文的自然选择理论认为特征的平均值比极端值好，正常稳定的自然选择因为进化的压力会使得极端的特征向它的平均值靠近，拥有接近平均特征的人会较少可能携带有害的遗传性变异，因此拥有平均特征的人因为健康而使得他们较拥有极端特征的人而被同类所更喜欢。1879年，实验心理学家Francis Galton希望从一个特定群体中找出该群体的人特有的脸部特征(如找出罪犯、素食者、军人等群体的人所共有的外貌特征)，他将数张人脸肖像采用光学的方法投影到同一张胶片上，并由此得到合成的人脸图像。结果felton惊讶地发现得到的合成脸要比组成它的人脸都要美观。Galton的发现在一定程度上支持了人脸美丽的平均性假说，在当时引起了许多人的兴趣，然而，由于技术条件所限，用(Walton的光学投影方法所合成的平均脸往往比较模糊。在20世纪90年代初，许多心理学家都对平均性进行了更深入的研究，他们认为，一张人脸的形状是否趋于平均，是判断该人脸是否美丽的一个关键维度，这就是在心理学上的“平均脸假设”(Averageness Hypothesis)。平均脸的合成并非是一个简单的数学平均问题，因为要考虑人脸的不同尺寸、肤色、五官位置、姿态变化等诸多因素，采用简单的数学平均处理无法获取真正的平均脸。尽管平均脸的研究已经有多年的历史，且近年来持续受到认知心理学方面的重视，但为数不多的平均脸合成技术中基本上采用人工方式或半人工方式合成平均脸，效率低，准确度不高，限制了平均脸的深入研究及应用。利用图像处理技术实现全自动的平均脸合成的方法鲜有报道，现有技术中，有的仅仅是对图像的像素值进行平均，没有考虑人脸的特征点(例如五官位置)等，而特征点是平均脸合成中至关重要的因素之一；有的方法简单，不支持对姿态不同的人脸图像进行处理；此外，现有的平均脸合成方法均无法实现全自动的计算机合成，不少重要环节需要人工干预。
技术实现思路
本专利技术克服了现有技术中的不足，提供了。为了实现上述的目的，采用如下的技术方案，将多幅人脸图像合成为一幅人脸图像，包括以下步骤(1)人脸特征点提取，提取出人脸图像集中各人脸图像的特征点；(2)人脸图像区域剖分，利用特征点和边界点组成的剖分点对人脸图像进行三角剖分；(3)人脸图像对准，将人脸图像集中各图像归一化到一个统一的标准上；(4)人脸图像分段仿射变换，以三角剖分建立映射关系，对图像进行分段仿射变换；(5)平均脸的合成，将仿射后的人脸图像集各对应像素点进行平均，合成平均脸图像。上述技术方案中，所述步骤(1)包括以下步骤(11)确定要提取的人脸特征点，所述特征点来源于人脸上的眉毛、眼睛、鼻子、嘴唇及人脸外轮廓各区域；(12)采用基于活动轮廓模型的人脸特征点定位方法对图像进行自动检测；(13)对于因头发遮挡、光照、姿态等原因而导致AAM算法无法检测或检测错误的人脸特征点，进行手工修复或标注。实验表明，采用AAM算法能成功检测拟％以上的人脸特征点。上述技术方案中，所述步骤( 包括以下步骤(21)在图像边界处均勻采样出边界点，与特征点一起组成剖分点，让非人脸的区域也能在分段线性仿射阶段得到处理；(22)建立一个虚拟的大三角形作为初始剖分三角形，保证大三角形包括了所有的剖分占.(23)通过逐点插入建立Delaimay三角形剖分；(24)移除与初始三角形相连的所有边，得到Delaimay三角剖分网，将图像分成多个三角形。上述技术方案中，所述步骤(3)采用广义ftOcrustes分析(Generalized Procrustes Analysis, GPA)进行图像形状对准，具体步骤如下(31)将图像集中各图像进行旋转；(32)将图像集中各图像大小进行归一化；(33)将图像集中各图像对应的特征点进行对准。上述技术方案中，所述步骤(4)包括以下步骤(41)以三角剖分网建立映射关系，对图像集中的每一幅图像进行分段线性仿射，使得在仿射结束后，每一张人脸图像上的特征点位置均与平均脸特征点位置相同；(42)以三角剖分网建立映射关系，剖分后的图像被分成多个三角形，原图像上的三角形与平均脸图像上的三角形之间有一一对应的关系，将原图像三角剖分得到的三角形投影到目标图像对应的三角形上，采用的仿射变换如下权利要求1.，将多幅人脸图像合成为一幅人脸图像，其特征在于包括以下步骤(1)人脸特征点提取，提取出人脸图像集中各人脸图像的特征点；(2)人脸图像区域剖分，利用特征点和边界点组成的剖分点对人脸图像进行三角剖分；(3)人脸图像对准，将人脸图像集中各图像归一化到一个统一的标准上；(4)人脸图像分段仿射变换，以三角剖分建立映射关系，对图像进行分段仿射变换；(5)平均脸的合成，将仿射后的人脸图像集各对应像素点进行平均，合成平均脸图像。2.根据权利要求1所述的美丽人脸合成方法，其特征在于所述步骤(1)包括以下步骤(11)确定要提取的人脸特征点，所述特征点来源于人脸上的眉毛、眼睛、鼻子、嘴唇及人脸外轮廓各区域；(12)采用基于活动轮廓模型的人脸特征点定位方法对图像进行自动检测；(13)对于无法检测或检测错误的人脸特征点，进行手工修复或标注。3.根据权利要求1所述的美丽人脸合成方法，其特征在于所述步骤( 包括以下步骤(21)在图像边界处均勻采样出边界点，与特征点一起组成剖分点；(22)建立一个虚拟的大三角形作为初始剖分三角形，保证大三角形包括了所有的剖分占.(23)通过逐点插入建立Delaimay三角形剖分；(24)移除与初始三角形相连的所有边，得到Delaimay三角剖分网，将图像分成多个三角形。4.根据权利要求1所述的美丽人脸合成方法，其特征在于所述步骤C3)采用广义 Procrustes分析(Generalized Procrustes Analysis, GPA)进行图像形状对准，具体步骤如下(31)将图像进行旋转；(32)将图像大小进行归一化；(33)将图像集中各图像对应的特征点进行对准。5.根据权利要求1所述的美丽人脸合成方法，其特征在于所述步骤(4)包括以下步骤(41)以三角剖分网建立映射关系，对图像集中的每一幅图像进行分段线性仿射，使得在仿射结束后，每一张人脸图像上的特征点位置均与平均脸特征点位置相同；(42)以三角剖分网建立映射关系，将原图像三角剖分得到的三角形投影到目标图像对应的三角形上，采用的仿射变换如下 ^λ fsx cos θ O1 (- sin θ) Λ χλI J/' I = I jv sin θ sjl cos θ ty |>!LiJ L ο ο iJ I1J其中，(χ,y)是原坐标系中的一点，(χ’，y’)是变换后的坐标系中的点，式子定义了原坐标系与将其旋转角度θ、在水平方向上缩放&、在竖直方向上缩放 、然后再平移t) 后得到的另一个坐标系之间的点的对应关系，式中参数通过已知的特征点求解。6.根据权利要求1所述的美丽人脸合成方法，其特本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：毛慧芸，庞家昊，金连文，杜明辉，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：