一種人臉圖像美化方法
【專利摘要】本發(fā)明公開了一種人臉圖像美化方法，包括以下步驟：(1)數(shù)據(jù)集收集：收集美麗人臉的數(shù)據(jù)庫；(2)圖層分解：對(duì)原始人臉和數(shù)據(jù)庫人臉進(jìn)行圖像層次分解，得到亮度圖層，細(xì)節(jié)圖層和顏色圖層；(3)圖層字典學(xué)習(xí)：運(yùn)用在線字典學(xué)習(xí)從圖層數(shù)據(jù)中學(xué)得圖層字典；(4)圖層稀疏重構(gòu)；利用稀疏編碼對(duì)原始圖層進(jìn)行重構(gòu)，得到重構(gòu)后的圖層模板；(5)細(xì)節(jié)圖層增強(qiáng)：利用原始細(xì)節(jié)圖層對(duì)重構(gòu)后的細(xì)節(jié)圖層模板進(jìn)行細(xì)節(jié)增強(qiáng)；(6)圖層融合：將重構(gòu)后的三個(gè)圖層進(jìn)行融合得到美化后的人臉圖像。
【專利說明】
一種人臉圖像美化方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及人臉圖像識(shí)別和人臉圖像處理領(lǐng)域，特別涉及一種人臉圖像美化的方 法。
【背景技術(shù)】
[0002] "人皆有愛美之心"，人們對(duì)于漂亮的追求自古就有。心理學(xué)研究表明，盡管種族、 文化和性別不同，人們對(duì)于什么樣的人臉是漂亮的有普遍的共識(shí)，其中人臉皮膚的顏色和 細(xì)節(jié)對(duì)于人臉吸引度的提升尤為重要。這些研究與人們?nèi)粘Ｓ^念里，漂亮人臉應(yīng)該是光滑 且無斑的相一致。
[0003] 近些年來，隨著社交網(wǎng)絡(luò)等電子媒體的迅速發(fā)展，越來越多的人臉圖像被分享，人 臉圖像處理的需求也與日倶增。盡管已經(jīng)有許多商業(yè)圖像處理軟件可用，但是這些軟件通 常需要大量的人工操作，而且這些軟件對(duì)于人臉圖像斑點(diǎn)的美化效果一般。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種有效的人臉圖像美 化方法。該方法能有效地美化人臉圖像上的斑點(diǎn)，并且很大程度上避免了過多的人工操作， 提升了人臉圖像處理的效率和效果。
[0005] 為了達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案：
[0006] 本發(fā)明的一種人臉圖像美化方法，包括以下步驟：
[0007] (1)數(shù)據(jù)集收集:收集美麗人臉的數(shù)據(jù)庫；
[0008] (2)圖層分解:對(duì)原始人臉和數(shù)據(jù)庫人臉進(jìn)行圖像層次分解，得到亮度圖層、細(xì)節(jié) 圖層和顏色圖層；
[0009] (3)圖層字典學(xué)習(xí)：運(yùn)用在線字典學(xué)習(xí)從圖層數(shù)據(jù)中學(xué)得圖層字典；
[0010] (4)圖層稀疏重構(gòu);利用稀疏編碼對(duì)原始圖層進(jìn)行重構(gòu)，得到重構(gòu)后的圖層模板；
[0011] (5)細(xì)節(jié)圖層增強(qiáng):利用原始細(xì)節(jié)圖層對(duì)重構(gòu)后的細(xì)節(jié)圖層模板進(jìn)行細(xì)節(jié)增強(qiáng)；
[0012] (6)圖層融合:將重構(gòu)后的三個(gè)圖層進(jìn)行融合得到美化后的人臉圖像。
[0013] 作為優(yōu)選的技術(shù)方案，所述步驟(1)中，數(shù)據(jù)集收集包括下述步驟：
[0014] (1-1)通過關(guān)鍵字在網(wǎng)上爬取包含人臉的圖像數(shù)據(jù)庫；
[0015] (1-2)通過Face++對(duì)收集到的圖像數(shù)據(jù)庫進(jìn)行自動(dòng)人臉檢測(cè)和自動(dòng)人臉摳圖，使 數(shù)據(jù)庫盡可能接近輸入人臉圖像。
[0016] 作為優(yōu)選的技術(shù)方案，在步驟(1-1)中，所述關(guān)鍵字為"美女"或/和"明星"。
[0017] 作為優(yōu)選的技術(shù)方案，所述步驟(2)中，圖層分解具體為：
[0018] (2-1)將RGB空間的人臉圖像轉(zhuǎn)換為CIELAB空間，該空間由亮度空間￡/(/!；)和顏 色空間組成，顏色圖層I油顏色空間滬C?組成；
[0019] (2-2)用濾波器對(duì)亮度空間進(jìn)行處理，得到亮度圖層II;
[0020] (2-3)將亮度圖層從亮度空間中抽離，得到細(xì)節(jié)圖層Id。
[0021] 作為優(yōu)選的技術(shù)方案，所述步驟(3)中，圖層字典學(xué)習(xí)具體為：
[0022] (3-1)通過在線字典學(xué)習(xí)，從收集的數(shù)據(jù)庫中學(xué)出圖層字典D:
[0023] I> ? argmin|jX -- 4- A
[0024] 在丄S U
[0025] 其中，符號(hào)X為輸入的圖層數(shù)據(jù)庫，h范數(shù)| |Y| |:確保了稀疏性，12范數(shù)|丨避免 了放縮模糊A的大小控制著字典的稀疏程度，其取值范圍為[0，1 ]，典型取值為〇. 3，K是字 典的大小，一般取值為512，1024或者2048。
[0026] 作為優(yōu)選的技術(shù)方案，所述步驟(4)中，圖層稀疏重構(gòu)具體為：
[0027] (4-1)通過稀疏編碼，從收集的數(shù)據(jù)庫中學(xué)出圖層字典D:
[0028] a ss argmm ~~ |/||^ 4- AN^yj. 、?' 從、' ^
[0029] 其中，符號(hào)y是初始圖像的圖層，D是與之對(duì)應(yīng)的圖層字典，a是圖層字典的系數(shù)，A 控制著系數(shù)的稀疏程度；
[0030] (4-2)當(dāng)y = Id，圖層為細(xì)節(jié)圖層，經(jīng)過步驟(4-1)的系數(shù)學(xué)習(xí)之后，得到的重構(gòu)后 的細(xì)節(jié)層Id* = D*a。
[0031]作為優(yōu)選的技術(shù)方案，所述步驟(5)中，細(xì)節(jié)圖層增強(qiáng)具體為：
[0032] (5-1)對(duì)細(xì)節(jié)圖層進(jìn)行二值化操作，得到二值化模板Im;
[0033] (5-2)根據(jù)二值化模板Im和原始細(xì)節(jié)層Id信息，進(jìn)行細(xì)節(jié)圖層增強(qiáng)：
[0034] = i r ,、. 14 * m/), 2= !i 〇.
[0035]作為優(yōu)選的技術(shù)方案，所述步驟(6)中，圖層融合具體為：
[0036] (6-1)步驟(5)得到的細(xì)節(jié)圖層，與II融合得到亮度空間；
[0037] (6-2)將亮度空間與顏色空間融合，得到最后的美化人臉圖像。
[0038] 本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)和有益效果：
[0039] 1、本發(fā)明可以智能美化人臉圖片，不需要過多的參數(shù)調(diào)節(jié)和人工處理，提高了人 臉圖片美化的效率與效果。
[0040] 2、本發(fā)明對(duì)于人臉圖片中斑點(diǎn)和皺紋的美化效果與現(xiàn)有的商業(yè)圖像處理軟件相 比更加顯著。
[0041] 3、本發(fā)明結(jié)合了圖層分解、字典學(xué)習(xí)和稀疏重構(gòu)方法，利用學(xué)習(xí)的方法結(jié)合漂亮 人臉數(shù)據(jù)庫自動(dòng)稀疏重構(gòu)圖層，能依據(jù)數(shù)據(jù)庫自動(dòng)產(chǎn)生漂亮人臉圖層字典，再通過字典去 重構(gòu)原圖層。這樣得到的美化效果更加符合心理學(xué)研究。
【附圖說明】
[0042]圖1為本發(fā)明的操作流程框圖。
[0043] 圖2為本發(fā)明方法的圖層分解示意圖。
[0044] 圖3(a)-圖3(c)為本發(fā)明方法圖層重構(gòu)和細(xì)節(jié)圖層增強(qiáng)過程中初始細(xì)節(jié)圖層，重 構(gòu)細(xì)節(jié)圖層和增強(qiáng)細(xì)節(jié)圖層的效果圖。
【具體實(shí)施方式】
[0045] 下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限 于此。
[0046] 實(shí)施例
[0047] 圖1示出了本發(fā)明的操作過程，由圖1可見，其具體實(shí)施包括下述步驟：
[0048] (1)數(shù)據(jù)集收集:收集美麗人臉的數(shù)據(jù)庫；
[0049] (2)圖層分解:對(duì)原始人臉和數(shù)據(jù)庫人臉進(jìn)行圖像層次分解，得到亮度圖層，細(xì)節(jié) 圖層和顏色圖層；
[0050] (3)圖層字典學(xué)習(xí)：運(yùn)用在線字典學(xué)習(xí)從圖層數(shù)據(jù)中學(xué)得圖層字典；
[0051] (4)圖層稀疏重構(gòu);利用稀疏編碼對(duì)原始圖層進(jìn)行重構(gòu)，得到重構(gòu)后的圖層模板；
[0052] (5)細(xì)節(jié)圖層增強(qiáng):利用原始細(xì)節(jié)圖層對(duì)重構(gòu)后的細(xì)節(jié)圖層模板進(jìn)行細(xì)節(jié)增強(qiáng)；
[0053] (6)圖層融合:將重構(gòu)后的三個(gè)圖層進(jìn)行融合得到美化后的人臉圖像。
[0054]本發(fā)明的步驟(1)數(shù)據(jù)集收集的具體步驟為：
[0055] (1-1)通過"美女"，"明星"等關(guān)鍵字在網(wǎng)上爬取包含人臉的圖像數(shù)據(jù)庫
[0056] (1-2)通過Face++對(duì)收集到的圖像數(shù)據(jù)庫進(jìn)行自動(dòng)人臉檢測(cè)和自動(dòng)人臉摳圖，使 數(shù)據(jù)庫盡可能接近輸入人臉圖像。
[0057] 本發(fā)明步驟(2)圖層分解的示意圖如附圖2所示，其具體步驟為：
[0058] (2-1)將RGB空間的人臉圖像轉(zhuǎn)換為CIELAB空間，該空間由亮度空間I廣)和顏 色空間組成，顏色圖層I。由顏色空間友％?組成。
[0059] (2-2)用濾波器對(duì)亮度空間進(jìn)行處理，得到亮度圖層II。
[0060] (2-3)將亮度圖層從亮度空間中抽離，得到細(xì)節(jié)圖層Id。
[0061] 本發(fā)明于步驟(3)圖層字典學(xué)習(xí)的具體步驟為：
[0062] (3-1)通過在線字典學(xué)習(xí)，從收集的數(shù)據(jù)庫中學(xué)出圖層字典D:
[0063] ￡> ? -OKIji AyFHi sv y ' '' ''
[0064] < U ^
[0065] 其中，符號(hào)X為輸入的圖層數(shù)據(jù)庫，h范數(shù)| |Y| |:確保了稀疏性，12范數(shù)||￡^g避免 了放縮模糊A的大小控制著字典的稀疏程度，其取值范圍為[0，1 ]，典型取值為〇. 3。1(是字 典的大小，一般取值為512，1024或者2048。
[0066] 本發(fā)明于步驟(4)圖層稀疏重構(gòu)的初始細(xì)節(jié)圖層效果如附圖3(a)所示，重構(gòu)后的 圖層效果如附圖3(b)所示，其具體步驟為：
[0067] (4-1)通過稀疏編碼，從收集的數(shù)據(jù)庫中學(xué)出圖層字典D:
[0068] 沒=- 沒 + Ay〇：U!
[0069] 其中，符號(hào)y是初始圖像的圖層，D是與之對(duì)應(yīng)的圖層字典，a是圖層字典的系數(shù)，A 控制著系數(shù)的稀疏程度。
[0070] (4-2)當(dāng)y = Id，圖層為細(xì)節(jié)圖層，經(jīng)過步驟(4-1)的系數(shù)學(xué)習(xí)之后，得到的重構(gòu)后 的細(xì)節(jié)層Id* = D*a。
[0071] 本發(fā)明于步驟(5)細(xì)節(jié)圖層增強(qiáng)的效果如附圖3(c)所示，其具體步驟為：
[0072] (5-1)對(duì)細(xì)節(jié)圖層進(jìn)行二值化操作，得到二值化模板Im;
[0073] (5-2)根據(jù)二值化模板Im和原始細(xì)節(jié)層Id信息，進(jìn)行細(xì)節(jié)圖層增強(qiáng)： 「 n r L，p) = 1
[0074] * p::、好！：《 、
[0075] 本發(fā)明于步驟(6)圖層融合的具體步驟為：
[0076] (6-1)步驟(5)得到的細(xì)節(jié)圖層以，與II融合得到亮度空間；
[0077] (6-2)將亮度空間與顏色空間融合，得到最后的美化人臉圖像。
[0078]上述實(shí)施例為本發(fā)明較佳的實(shí)施方式，但本發(fā)明的實(shí)施方式并不受上述實(shí)施例的 限制，其他的任何未背離本發(fā)明的精神實(shí)質(zhì)與原理下所作的改變、修飾、替代、組合、簡(jiǎn)化， 均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種人臉圖像美化方法，其特征在于，包括以下步驟： (1) 數(shù)據(jù)集收集:收集美麗人臉的數(shù)據(jù)庫； (2) 圖層分解:對(duì)原始人臉和數(shù)據(jù)庫人臉進(jìn)行圖像層次分解，得到亮度圖層、細(xì)節(jié)圖層 和顏色圖層； (3) 圖層字典學(xué)習(xí)：運(yùn)用在線字典學(xué)習(xí)從圖層數(shù)據(jù)中學(xué)得圖層字典； (4) 圖層稀疏重構(gòu);利用稀疏編碼對(duì)原始圖層進(jìn)行重構(gòu)，得到重構(gòu)后的圖層模板； (5) 細(xì)節(jié)圖層增強(qiáng):利用原始細(xì)節(jié)圖層對(duì)重構(gòu)后的細(xì)節(jié)圖層模板進(jìn)行細(xì)節(jié)增強(qiáng)； (6) 圖層融合:將重構(gòu)后的三個(gè)圖層進(jìn)行融合得到美化后的人臉圖像。2. 根據(jù)權(quán)利要求1所述的人臉圖像美化方法，其特征在于，所述步驟（1)中，數(shù)據(jù)集收集 包括下述步驟： (1-1)通過關(guān)鍵字在網(wǎng)上爬取包含人臉的圖像數(shù)據(jù)庫； (1-2)通過Face++對(duì)收集到的圖像數(shù)據(jù)庫進(jìn)行自動(dòng)人臉檢測(cè)和自動(dòng)人臉摳圖，使數(shù)據(jù) 庫盡可能接近輸入人臉圖像。3. 根據(jù)權(quán)利要求2所述的人臉圖像美化方法，其特征在于，在步驟（1-1)中，所述關(guān)鍵字 為"美女"或/和"明星"。4. 根據(jù)權(quán)利要求1所述的人臉圖像美化方法，其特征在于，所述步驟(2)中，圖層分解具 體為： (2-1)將RGB空間的人臉圖像轉(zhuǎn)換為CIELAB空間，該空間由亮度空間/廣《71)和顏色空 間#(?? KlJ)組成，顏色圖層由顏色空間翁氣!；％ 組成； (2-2)用濾波器對(duì)亮度空間進(jìn)行處理，得到亮度圖層 (2-3)將亮度圖層從亮度空間中抽離，得到細(xì)節(jié)圖層Id。5. 根據(jù)權(quán)利要求1所述的人臉圖像美化方法，其特征在于，所述步驟(3)中，圖層字典學(xué) 習(xí)具體為： (3-1)通過在線字典學(xué)習(xí)，從收集的數(shù)據(jù)庫中學(xué)出圖層字典D:其中，符號(hào)X為輸入的圖層數(shù)據(jù)庫，I1范數(shù)I IyI |:確保了稀疏性，I2范數(shù)IIiiIji避免了放 縮模糊，λ的大小控制著字典的稀疏程度，其取值范圍為[ο，ι]，典型取值為0.3，Κ是字典的 大小，一般取值為512，1024或者2048。6. 根據(jù)權(quán)利要求1所述的人臉圖像美化方法，其特征在于，所述步驟(4)中，圖層稀疏重 構(gòu)具體為： (4-1)通過稀疏編碼，從收集的數(shù)據(jù)庫中學(xué)出圖層字典D:其中，符號(hào)y是初始圖像的圖層，D是與之對(duì)應(yīng)的圖層字典，α是圖層字典的系數(shù)，λ控制 著系數(shù)的稀疏程度； (4-2)當(dāng)y=Id，圖層為細(xì)節(jié)圖層，經(jīng)過步驟(4-1)的系數(shù)學(xué)習(xí)之后，得到的重構(gòu)后的細(xì)節(jié) 層 : JD * 〇；.. 〇7. 根據(jù)權(quán)利要求1所述的人臉圖像美化方法，其特征在于，所述步驟(5)中，細(xì)節(jié)圖層增 強(qiáng)具體為： (5-1)對(duì)細(xì)節(jié)圖層進(jìn)行二值化操作，得到二值化模板Im; (5-2)根據(jù)二值化模板Im和原始細(xì)節(jié)層Id信息，進(jìn)行細(xì)節(jié)圖層增強(qiáng)：8. 根據(jù)權(quán)利要求1所述的人臉圖像美化方法，其特征在于，所述步驟(6)中，圖層融合具 體為： (6-1)步驟(5)得到的細(xì)節(jié)圖層與融合得到亮度空間； (6-2)將亮度空間與顏色空間融合，得到最后的美化人臉圖像。
【文檔編號(hào)】G06K9/00GK105931211SQ201610246362
【公開日】2016年9月7日
【申請(qǐng)日】2016年4月19日
【發(fā)明人】盧曦, 鄭偉詩, 常曉斌, 謝曉華, 胡建芳
【申請(qǐng)人】中山大學(xué)