專利名稱：基于平均臉和衰老比例圖的人臉圖像年齡變換方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域，特別涉及一種針對(duì)正面人臉圖像進(jìn)行快速逼真的年齡變換方法，包括基于平均臉的人臉圖像年輕變換方法和基于衰老比例圖的人臉圖像衰老變換方法。
背景技術(shù)：
人臉是人類表現(xiàn)力最強(qiáng)的部分，它的變化包含了許多重要的信息。計(jì)算機(jī)模擬人臉動(dòng)畫的研究可以追溯到上個(gè)世紀(jì)70年代，之后不斷涌現(xiàn)出突破性的研究成果，該領(lǐng)域也日漸成為公安刑偵、影視制作、游戲娛樂(lè)等行業(yè)的諸多研究人員的興趣所在，人臉圖像的年齡變換作為人臉動(dòng)畫的重要部分，具有深遠(yuǎn)的意義。
雖然人臉的外貌特征與年齡相關(guān)，但是即使是相同年齡的人所呈現(xiàn)的外貌特征也會(huì)因個(gè)人生存環(huán)境、生活習(xí)慣等各種因素的影響而存在很大的差異，因此我們很難從一幅人臉圖像判斷出一個(gè)人的準(zhǔn)確年齡。人自身對(duì)年齡的感知與判斷能力并非與生俱來(lái)，人在自身成長(zhǎng)過(guò)程中能夠不斷獲取來(lái)自外界環(huán)境反饋的各種信息，并利用這些信息不斷修正自己對(duì)人臉年齡的大致判斷。由于這種能力的具體形成過(guò)程因人而異，因此很難用某些量化的知識(shí)來(lái)表達(dá)，所以這方面的研究至今還未有一個(gè)令人滿意的完整解釋。對(duì)于計(jì)算機(jī)而言，辨別年齡更是一個(gè)困難的問(wèn)題。而另一方面，對(duì)于兩幅人臉圖像，我們卻可以很容易的辨認(rèn)出誰(shuí)更年輕或者誰(shuí)更年老，而且可以描述出人類年輕與衰老的基本特征，例如皮膚的光滑程度，皺紋與斑點(diǎn)的多少，骨骼的形狀，肌肉的松弛程度等。利用圖像處理技術(shù)實(shí)現(xiàn)人臉圖像的年輕和衰老變換是人臉圖像處理領(lǐng)域的前沿問(wèn)題，這種技術(shù)極大的依賴于生理學(xué)、認(rèn)知學(xué)、心理學(xué)等學(xué)科間的理論支持與相互融合。雖然由年齡變化引起的相貌特征變化非常顯著，有豐富的研究?jī)r(jià)值，卻只有較少的研究人員對(duì)人臉圖像的年齡變化進(jìn)行研究。
1961年Thompson提出使用坐標(biāo)變換的方法來(lái)改變生物器官的形狀從而模擬同類生物中其他個(gè)體的器官特征?；谶@種思想，許多研究人員使用不同的坐標(biāo)變換方法模擬因年齡變化引起的人臉外貌特征的改變。其中主要的變換方法有cardioidal strain變換，它通過(guò)改變?nèi)四樅皖^骨的形狀模擬隨著年齡變化所引起的特征改變。實(shí)驗(yàn)結(jié)果說(shuō)明，使用cardioidal strain方法可以較好的改變2D人臉圖像輪廓的年齡特征。之后Mark和Todd對(duì)其進(jìn)一步延伸，將這種方法應(yīng)用于3D人臉數(shù)據(jù)。這種基于坐標(biāo)變換的衰老模擬方法只考慮了人臉形狀變化，對(duì)于引起的紋理變化沒(méi)有具體說(shuō)明。
1995年Burt和Perrett將樣本圖像按年齡段劃分為7個(gè)不同的樣本組，分別計(jì)算對(duì)應(yīng)這7個(gè)組的平均人臉圖像，然后利用漫畫合成技術(shù)來(lái)模擬衰老變化。從實(shí)驗(yàn)結(jié)果可以看出，大部分合成的人臉圖像的年齡與用于計(jì)算平均臉的樣本對(duì)象的年齡保持一致，這說(shuō)明在計(jì)算平均人臉圖像的過(guò)程中，每個(gè)年齡組的年齡信息都保留了下來(lái)。他們還描述了兩種衰老模擬技術(shù)第一種方法，首先計(jì)算較老年齡組對(duì)應(yīng)的平均人臉與樣本集中所有圖像對(duì)應(yīng)的平均人臉之間的色彩差異。接著使用漫畫合成技術(shù)擴(kuò)大這種差異增加合成圖像中的年齡。第二種方法，計(jì)算25-29歲和50-54歲年齡組對(duì)應(yīng)的平均人臉的形狀和顏色差異。將這種差異應(yīng)用到新人臉圖像并增加這種差異從而實(shí)現(xiàn)增齡變化。從他們的實(shí)驗(yàn)結(jié)果可以看出，兩種方法都較好得實(shí)現(xiàn)了人臉圖像的衰老變換。Burt和Perrett提出的方法同時(shí)考慮了衰老變化引起的人臉形狀和紋理信息的變化，而且效果也是非常顯著的。
O’Toole等根據(jù)3D人臉信息建立3D人臉參數(shù)模型。然后使用漫畫合成技術(shù)對(duì)顯著的3D人臉特征進(jìn)行夸張或消除。實(shí)驗(yàn)說(shuō)明，較老的人臉圖像中包含的顯著特征更豐富也更明顯，因此使用這種方法可以實(shí)現(xiàn)圖像中隱含年齡的增加或減少。這種方法依賴于對(duì)人臉外貌的具體描述，由于3D人臉數(shù)據(jù)是通過(guò)3D掃描儀得到的，設(shè)備非常昂貴，而且需要大量的處理時(shí)間，因此這種方法的實(shí)用性不強(qiáng)。
Lanitis等基于一個(gè)人臉圖像的統(tǒng)計(jì)模型對(duì)訓(xùn)練樣本圖像進(jìn)行重新表達(dá)，然后通過(guò)學(xué)習(xí)訓(xùn)練樣本的表達(dá)數(shù)據(jù)與其實(shí)際年齡之間的聯(lián)系，建立衰老變化模型。模型建立后，可以根據(jù)新圖象的表達(dá)數(shù)據(jù)估計(jì)從沒(méi)見過(guò)的人的年齡，反之，也可以重構(gòu)一個(gè)人在任何年齡下的圖片。他們使用了不同的訓(xùn)練樣本建立不同的衰老變化模式。實(shí)驗(yàn)證明這種方法可以對(duì)未知的圖像進(jìn)行合理的年齡估計(jì)，而且對(duì)于任何一幅新的圖像都可以選擇最合適的衰老變化方法，自動(dòng)模擬衰老過(guò)程。
還有大量的半自動(dòng)年齡變化處理系統(tǒng)主要用來(lái)模擬遺失兒童的現(xiàn)在面貌。基本操作主要是根據(jù)年齡變化所引起的特征改變對(duì)對(duì)應(yīng)的人臉特征進(jìn)行修改。考慮人的相貌具有一定的遺傳性，所以一般都是根據(jù)遺失兒童近親的不同年齡段的照片，對(duì)兒童的相貌進(jìn)行修改。
另外一些相關(guān)研究主要是圍繞人臉皮膚的建模和衰老皺紋的模擬。Boissieux等將皮膚看作為彈性膜，進(jìn)一步將其延伸為有多層組織構(gòu)成的立體模型，根據(jù)衰老時(shí)皺紋的變化形態(tài)使用有限元方法計(jì)算皮膚變形，從而產(chǎn)生皺紋紋理。Viaud等人開發(fā)了一種幾何混合模型，用樣條分段函數(shù)模擬褶皺，可以產(chǎn)生表情和年齡皺紋，而且使用了年齡參數(shù)來(lái)控制年齡皺紋的產(chǎn)生。此外凹凸紋理映射和色彩映射技術(shù)，紋理合成語(yǔ)言，微幾何模型等，這些技術(shù)都可以用來(lái)模擬不同的皮膚紋理模式。
由于在人臉圖像的年齡變換中，人臉的結(jié)構(gòu)特征和皮膚組織的變化復(fù)雜，使得計(jì)算機(jī)模擬人臉年齡變換具有很大的挑戰(zhàn)性。目前已有的人臉圖像年齡變換方法又多比較復(fù)雜并且合成圖像的真實(shí)感不盡如人意，因此本發(fā)明針對(duì)以往算法的不足，提出了基于平均臉的人臉圖像年輕變換以及基于衰老比例圖的人臉圖像衰老變換方法。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)，提出一種基于平均臉和衰老比例圖的人臉圖像年齡變換方法。本發(fā)明計(jì)算量小，變換過(guò)程簡(jiǎn)單，合成的結(jié)果平滑、自然、真實(shí)，具有很強(qiáng)的有效性和通用性。
本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的該方法包括以下步驟a)基于平均臉的年輕變換步驟假定有一組正面樣本人臉圖像{Ii}，對(duì)應(yīng)的參考臉為Iref，新的人臉圖像為IN，經(jīng)過(guò)變換后得到的圖像為IR，具體步驟如下第一步在以平均臉作為參考臉I(yè)ref的情況下，將新的人臉圖像IN進(jìn)行稠密的特征表達(dá)，得到對(duì)應(yīng)的形狀和紋理矢量，記為(SN，TN)，第二步計(jì)算新的人臉圖像IN在形狀和紋理方面與平均特征之間的差異，記為(ΔS，ΔT)，其中ΔS＝SN-SAverage，ΔT＝TN-TAverage，第三步利用參數(shù)α、β來(lái)調(diào)整新的人臉圖像與平均臉之間的形狀特征及紋理特征之間的差異程度，ΔS′＝αΔS，ΔT′＝βΔT，其中0＜α，β＜1，α、β越小，則變換后的人臉越年輕，第四步計(jì)算差異程度變化后的新人臉圖像的形狀矢量及紋理矢量(SR，TR)，計(jì)算公式為SR＝ΔS′+SAverage，TR＝ΔT′+TAverage，第五步根據(jù)(SR，TR)，以及參考臉I(yè)ref，通過(guò)前向warp重構(gòu)出年輕變換后的人臉圖像IR；b)基于衰老比例圖的衰老變換步驟人臉圖像衰老變換分為離線階段和在線階段離線階段主要完成Sold和R的計(jì)算，第一步根據(jù)衰老變化規(guī)律，調(diào)整平均臉的特征線Lyoung使眼角、嘴角、外側(cè)眉毛、鼻尖下垂得到Lold；第二步以Lyoung為參考，對(duì)Lold使用基于特征線的Warp操作，得到對(duì)應(yīng)的Sold；第三步對(duì)衰老樣本圖像中除眼部以及嘴部以外的其他部分進(jìn)行低通濾波，得到對(duì)應(yīng)的年輕圖像；第四步對(duì)衰老樣本圖像進(jìn)行矢量化表達(dá)，得到紋理矢量Told，對(duì)年輕圖像進(jìn)行矢量化表達(dá)，得到紋理矢量Tyoung；第五步計(jì)算衰老比例圖R＝Told/Tyoung；在線階段合成新圖像對(duì)應(yīng)的衰老圖像；第一步以平均臉為參考，將人臉圖像In重新表達(dá)，記為(Sn，Tn)；第二步根據(jù)離線階段第二步得到的Sold，計(jì)算衰老變換后的形狀矢量Sn′；第三步使用離線階段第五步得到的R計(jì)算衰老變換后的紋理矢量Tn′；第四步根據(jù)(Sn′，Tn′)，利用前向Warp技術(shù)合成變換后的圖像In。
所述的以平均臉作為人臉圖像的參考臉，即對(duì)一組樣本圖像的特征線分布作加權(quán)平均得到標(biāo)準(zhǔn)特征線的分布，記做Laverage，根據(jù)特定特征線與標(biāo)準(zhǔn)特征線的映射關(guān)系，可以對(duì)每一幅樣本圖像完成形狀與紋理特征的分解，得到對(duì)應(yīng)的圖像表達(dá)(Si，Ti)，這組樣本的形狀和紋理矢量的平均，即平均臉I(yè)average的圖像表達(dá)(Saverage，Taverage)，所有圖像都是針對(duì)平均臉的標(biāo)準(zhǔn)特征線進(jìn)行變形，形狀矢量描述的是與平均臉特征的相對(duì)變化，因此形狀矢量的平均值為0，故平均臉的矢量化表達(dá)為(0，Taverage)。
所述的計(jì)算衰老變換后的形狀矢量Sn′的計(jì)算公式為Sn′＝Sn+αSold，其中α＞0。
所述的使用離線階段第五步得到的R計(jì)算衰老變換后的紋理矢量Tn′的計(jì)算公式為Tn′＝Tn·(β(R-1)+1)，其中β＞0。
若將年輕變換和年老變換的參數(shù)α和β結(jié)合，當(dāng)參數(shù)小于1時(shí)完成人臉圖像的年輕變化，參數(shù)大于1時(shí)完成人臉圖像的衰老變化，則衰老變換在線處理的第二步中形狀矢量的計(jì)算公式為Sn′＝Sn+(α-1)Sold，第三步中紋理矢量的計(jì)算公式為Tn′＝Tn·((β-1)(R-1)+1)。
本發(fā)明有下面幾個(gè)特點(diǎn)1)根據(jù)心理學(xué)及認(rèn)知學(xué)的相關(guān)結(jié)論，發(fā)現(xiàn)平均臉在某種程度上隱含著年輕的感覺(jué)。本發(fā)明通過(guò)計(jì)算特定人臉圖像和平均臉之間的差異，進(jìn)而減少這種差異程度，來(lái)完成特定人臉的年輕變換。
2)年輕變換中，基于漫畫合成技術(shù)，對(duì)人臉圖像采用稠密特征表達(dá)，每幅人臉圖像中的點(diǎn)都作為一個(gè)特征，尋找圖像中每個(gè)點(diǎn)與平均臉圖像對(duì)應(yīng)點(diǎn)的差異，最終減少特定人臉與平均臉特征的差異范圍。
3)將人臉圖像矢量化建模與人臉圖像衰老變換相結(jié)合，實(shí)現(xiàn)了符合生理特征的人臉圖像衰老預(yù)測(cè)。根據(jù)心理學(xué)研究中差異性(Distinctiveness)的概念及人臉漫畫合成技術(shù)來(lái)調(diào)整人臉?biāo)ダ线^(guò)程中的形狀變化，通過(guò)衰老比例圖來(lái)調(diào)整人臉在衰老過(guò)程中的紋理變化。該方法無(wú)需建立復(fù)雜的模型，計(jì)算量小，并且充分考慮到人臉?biāo)ダ虾笮螤钆c紋理的統(tǒng)一變化，提高了該方法的有效性和通用性。
4)將差異性(Distinctiveness)的概念直接引入2D人臉圖像年齡變換，泛化了美學(xué)概念的應(yīng)用范疇，合成的圖像具有很強(qiáng)的真實(shí)感。


圖1是本發(fā)明人臉?biāo)ダ献兓?guī)律圖；圖2是本發(fā)明特征線變形顯示圖；圖3是本發(fā)明衰老比例圖示例圖；下面結(jié)合附圖對(duì)本發(fā)明的內(nèi)容作進(jìn)一步詳細(xì)說(shuō)明。
具體實(shí)施例方式
參照?qǐng)D1所示，列舉了人臉?biāo)ダ系纳韺W(xué)研究結(jié)論。人在衰老過(guò)程中，臉部包括皮膚、眉毛、五官等各組成部分都可能呈現(xiàn)出如圖所列舉的典型變化特征，如皮膚松弛，皺紋產(chǎn)生，眼角嘴角下垂等。我們?cè)诤罄m(xù)的算法中，模擬了這里的眼角、嘴角、眉尖以及鼻尖下垂等人臉?biāo)ダ系牡湫吞卣鳌?br> 參照?qǐng)D2所示，所有樣本所標(biāo)記特征線的算術(shù)平均即為這里的Lyoung，它反映了平均臉的形狀特征；根據(jù)圖1所揭示的人臉?biāo)ダ系纳飳W(xué)規(guī)律，對(duì)Lyoung的每根線段進(jìn)行手工調(diào)整，分別得到一般的衰老模式Lold，偏瘦的衰老模式Loldthin和偏胖的衰老模式Loldfat。
參照?qǐng)D3所示，比例圖的含義是兩幅圖像的商。這里的衰老比例圖則是衰老人臉圖像與其低通濾波圖像之間的商，它反映了衰老人臉的皮膚紋理特征。第一行中的三幅圖像表示人臉紋理在衰老過(guò)程中的全局變化，第二行中的三幅圖像是人臉紋理在衰老過(guò)程中的局部變化，分別對(duì)應(yīng)額頭、眼睛和臉頰。
從計(jì)算機(jī)圖形學(xué)的角度來(lái)說(shuō)，漫畫是指顯著特征的夸張與強(qiáng)調(diào)。典型的人臉圖像漫畫合成技術(shù)就是計(jì)算特定人臉特征與對(duì)應(yīng)平均人臉特征之間的差異，通過(guò)擴(kuò)大這種差異，實(shí)現(xiàn)特征的夸張。也可以將這種差異變小，這種處理手段可以歸結(jié)為一種廣義的漫畫合成范疇。人臉差異性主要是刻畫一個(gè)人臉與“平均”意義上人臉的特征差異程度。
將人臉圖像用向量表示，即向量中的每個(gè)元素對(duì)應(yīng)圖像中像素點(diǎn)的灰度值，則每個(gè)圖像向量都可以看作是高維空間上的一點(diǎn)。所有的人臉圖像分布在高維空間中的一個(gè)區(qū)域內(nèi)，稱這個(gè)區(qū)域?yàn)槿四槇D像空間。從神經(jīng)心理學(xué)的角度來(lái)看，在這樣一個(gè)高維特征空間中，一個(gè)人的主要特征是由特定臉與平均臉兩點(diǎn)之間的方向決定。因此沿著這個(gè)方向移動(dòng)，改變的就是人臉的差異性。具體地說(shuō)，人臉圖像的漫畫合成技術(shù)相當(dāng)于在平均臉和特定臉之間畫一條連線，然后沿著這個(gè)連線向著平均臉或背離平均臉的方向移動(dòng)，得到對(duì)應(yīng)新人臉圖像在空間中的點(diǎn)。
人臉差異性是針對(duì)平均臉來(lái)定義的，因此計(jì)算平均臉是完成這項(xiàng)工作的第一步。本發(fā)明采用了形狀與紋理矢量分離的圖像表達(dá)方式，因此這里應(yīng)該計(jì)算的是平均臉的形狀與紋理矢量。
對(duì)一組樣本圖像的特征線分布作加權(quán)平均得到標(biāo)準(zhǔn)特征線的分布，記做Laverage。根據(jù)特定特征線與標(biāo)準(zhǔn)特征線的映射關(guān)系，可以對(duì)每一幅樣本圖像完成形狀與紋理特征的分解，得到對(duì)應(yīng)的圖像表達(dá)為(Si，Ti)。這組樣本的形狀和紋理矢量的平均，即為平均臉I(yè)average的圖像表達(dá)(Saverage，Taverage)。事實(shí)上，所有圖像都是針對(duì)平均臉的標(biāo)準(zhǔn)特征線進(jìn)行變形，形狀矢量描述的是與平均臉特征的相對(duì)變化，因此形狀矢量的平均值為0，故平均臉的矢量化表達(dá)為(0，Taverage)。在年輕變換第三步中，參數(shù)α、β是彼此獨(dú)立的，分別控制人臉的形狀和紋理變化?？梢钥吹饺≈凳窃?br> 范圍內(nèi)，也就是說(shuō)這里實(shí)現(xiàn)的是特征差異的減小，而不是夸張，這與漫畫合成技術(shù)有些不同。本發(fā)明在實(shí)現(xiàn)時(shí)，還使用了一個(gè)冪指數(shù)函數(shù)建立兩者之間的聯(lián)系，實(shí)現(xiàn)兩者的連動(dòng)。
對(duì)于衰老變換算法，隨著年齡的增長(zhǎng)，人臉的皮膚，脂肪，肌肉和骨骼都會(huì)發(fā)生變化。其主要特征變化見圖1。這些特征包含了人臉的形狀變化和紋理細(xì)節(jié)變化，因此要實(shí)現(xiàn)人臉圖像的衰老變換，除了在臉型方面要進(jìn)行改變外，在紋理方面也要對(duì)諸如皺紋、老年斑等紋理細(xì)節(jié)著力進(jìn)行刻畫。
使用漫畫合成技術(shù)無(wú)法描繪出諸如皺紋等紋理特征變化，因此本發(fā)明采用基于衰老比例圖的方法實(shí)現(xiàn)人臉圖像的衰老變化。根據(jù)衰老引起的人臉形狀特征的變化，對(duì)人臉圖像的特征線進(jìn)行一定的修改，實(shí)現(xiàn)形狀的衰老模擬；對(duì)于紋理特征的改變，采用比例圖方式，制作衰老比例圖，根據(jù)紋理映射，實(shí)現(xiàn)人臉圖像的紋理特征衰老模擬。
關(guān)于形狀的衰老模擬，以平均臉的特征線Lyoung為參考，使用基于特征線的Warp技術(shù)將手工調(diào)整得來(lái)的年老人臉特征線Lold變形，得到光流場(chǎng)Sold。假設(shè)一幅新圖像的形狀矢量為Sn，則可以得到衰老模擬后的形狀矢量Sn′＝Sn+Sold。
借助于比例圖的概念來(lái)完成衰老的紋理矢量模擬。比例圖是基于兩幅圖像計(jì)算得到的，但獲得一個(gè)人在不同年齡段同樣條件的人臉圖像較為困難，因此衰老比例圖是基于單幅圖像進(jìn)行的。在衰老的人臉樣本圖像中對(duì)除了眼部，嘴部以外的其他部位進(jìn)行低通濾波，將這樣得到的平滑圖像視為此人對(duì)應(yīng)的年輕圖像，然后再借助于紋理映射的思想來(lái)完成衰老過(guò)程中的紋理變換。
在計(jì)算比例圖之前，以平均臉為參考，對(duì)衰老樣本圖像和對(duì)應(yīng)的年輕圖像進(jìn)行矢量化表達(dá)，完成特征點(diǎn)之間的對(duì)準(zhǔn)，得到相應(yīng)的紋理矢量Told和Tyoung，則衰老比例圖由式R＝Told/Tyoung計(jì)算得到。對(duì)于一幅新人臉圖像來(lái)說(shuō)，它的紋理矢量為Tn，則衰老模擬后的紋理矢量為Tn′＝Tn·(β(R-1)+1)。使用這樣的計(jì)算公式可以保證在紋理映射時(shí)非皺紋區(qū)域不變化而皺紋會(huì)隨著β的改變逐漸加深。
在設(shè)計(jì)年齡變換系統(tǒng)時(shí)，為了簡(jiǎn)化用戶操作，將年輕變換和年老變換的參數(shù)α和β結(jié)合。當(dāng)參數(shù)小于1時(shí)完成人臉圖像的年輕變化，參數(shù)大于1時(shí)完成人臉圖像的衰老變化。因此在衰老變換在線處理的第二步中形狀矢量的計(jì)算公式改為Sn′＝Sn+(α-1)Sold，第三步中紋理矢量的計(jì)算公式改為Tn′＝Tn·((β-1)(R-1)+1)。
權(quán)利要求
1.基于平均臉和衰老比例圖的人臉圖像年齡變換方法，其特征在于，該方法包括以下步驟a)基于平均臉的年輕變換步驟假定有一組正面樣本人臉圖像{Ii}，對(duì)應(yīng)的參考臉為Iref，新的人臉圖像為IN，經(jīng)過(guò)變換后得到的圖像為IR；第一步在以平均臉作為參考臉I(yè)ref的情況下，將新的人臉圖像IN進(jìn)行稠密的特征表達(dá)，得到對(duì)應(yīng)的形狀和紋理矢量，記為(SN，TN)，第二步計(jì)算新的人臉圖像IN在形狀和紋理方面與平均特征之間的差異，記為(ΔS，ΔT)，其中ΔS＝SN-SAverage，ΔT＝TN-TAverage，第三步利用參數(shù)α、β來(lái)調(diào)整新的人臉圖像與平均臉之間的形狀特征及紋理特征之間的差異程度，ΔS′＝αΔS，ΔT′＝βΔT，其中0＜α，β＜1，α、β越小，則變換后的人臉越年輕，第四步計(jì)算差異程度變化后的新人臉圖像的形狀矢量及紋理矢量(SR，TR)，計(jì)算公式為SR＝ΔR′+SAverage，TR＝ΔT′+TAverage，第五步根據(jù)(SR，TR)，以及參考臉I(yè)ref，通過(guò)前向warp重構(gòu)出年輕變換后的人臉圖像IR；b)基于衰老比例圖的衰老變換步驟人臉圖像衰老變換分為離線階段和在線階段離線階段主要完成sold和R的計(jì)算，第一步根據(jù)衰老變化規(guī)律，調(diào)整平均臉的特征線Lyoung使眼角、嘴角、外側(cè)眉毛、鼻尖下垂得到Lold；第二步以Lyoung為參考，對(duì)Lold使用基于特征線的Warp操作，得到對(duì)應(yīng)的Sold；第三步對(duì)衰老樣本圖像中除眼部以及嘴部以外的其他部分進(jìn)行低通濾波，得到對(duì)應(yīng)的年輕圖像；第四步對(duì)衰老樣本圖像進(jìn)行矢量化表達(dá)，得到紋理矢量Told，對(duì)年輕圖像進(jìn)行矢量化表達(dá)，得到紋理矢量Tyoung；第五步計(jì)算衰老比例圖R＝Told/Tyoung；在線階段合成新圖像對(duì)應(yīng)的衰老圖像；第一步以平均臉為參考，將人臉圖像In重新表達(dá)，記為(Sn，Tn)；第二步根據(jù)離線階段第二步得到的Sold，計(jì)算衰老變換后的形狀矢量Sn′；第三步使用離線階段第五步得到的R計(jì)算衰老變換后的紋理矢量Tn′；第四步根據(jù)(Sn′，Tn′)，利用前向Warp技術(shù)合成變換后的圖像In。
2.根據(jù)權(quán)利1所述的方法，其特征在于，所述的以平均臉作為人臉圖像的參考臉，即對(duì)一組樣本圖像的特征線分布作加權(quán)平均得到標(biāo)準(zhǔn)特征線的分布，記做Laverage，根據(jù)特定特征線與標(biāo)準(zhǔn)特征線的映射關(guān)系，可以對(duì)每一幅樣本圖像完成形狀與紋理特征的分解，得到對(duì)應(yīng)的圖像表達(dá)(Si，Ti)，這組樣本的形狀和紋理矢量的平均，即平均臉I(yè)average的圖像表達(dá)(Saverage，Taverage)，所有圖像都是針對(duì)平均臉的標(biāo)準(zhǔn)特征線進(jìn)行變形，形狀矢量描述的是與平均臉特征的相對(duì)變化，因此形狀矢量的平均值為0，故平均臉的矢量化表達(dá)為(0，Taverage)。
3.根據(jù)權(quán)利1所述的方法，其特征在于，所述的計(jì)算衰老變換后的形狀矢量Sn′的計(jì)算公式為Sn′＝Sn+αSold，其中α＞0。
4.根據(jù)權(quán)利1所述的方法，其特征在于，所述的使用離線階段第五步得到的R計(jì)算衰老變換后的紋理矢量Tn′的計(jì)算公式為Tn′＝Tn·(β(R-1)+1)，其中β＞0。
5.根據(jù)權(quán)利3或4所述的方法，其特征在于，若將年輕變換和年老變換的參數(shù)α和β結(jié)合，當(dāng)參數(shù)小于1時(shí)完成人臉圖像的年輕變化，參數(shù)大于1時(shí)完成人臉圖像的衰老變化，則衰老變換在線處理的第二步中形狀矢量的計(jì)算公式為Sn′＝Sn+(α-1)Sold，第三步中紋理矢量的計(jì)算公式為Tn′＝Tn·((β-1)(R-1)+1)。
全文摘要
本發(fā)明公開一種基于平均臉和衰老比例圖的人臉圖像年齡變換方法。采用稠密特征表達(dá)，將人臉圖像分解為形狀矢量和紋理矢量，借助于人臉漫畫合成技術(shù)，通過(guò)計(jì)算特定人臉圖像和平均臉之間的差異，進(jìn)而減少這種差異程度，來(lái)完成特定人臉的年輕變換；將人臉圖像矢量化建模與人臉圖像衰老變換相結(jié)合，實(shí)現(xiàn)了符合生理特征的人臉圖像衰老化模擬。根據(jù)衰老引起的人臉形狀特征的變化，對(duì)人臉圖像的特征線進(jìn)行一定的修改，實(shí)現(xiàn)形狀的衰老模擬；對(duì)于紋理特征的改變，我們采用比例圖方式，制作衰老比例圖，根據(jù)紋理映射，實(shí)現(xiàn)人臉圖像的紋理特征衰老模擬。該方法充分考慮到人臉年齡變換時(shí)形狀與紋理的統(tǒng)一變化，合成圖像的真實(shí)感大大增強(qiáng)。
文檔編號(hào)G06T3/00GK1870047SQ200610042989
公開日2006年11月29日 申請(qǐng)日期2006年6月15日 優(yōu)先權(quán)日2006年6月15日
發(fā)明者游屈波, 劉劍毅, 鄭南寧, 劉躍虎, 袁澤劍, 杜少毅 申請(qǐng)人:西安交通大學(xué)