论文部分内容阅读
自动肖像素描合成技术涉及到计算机视觉和人脸识别领域的关键难题,在移动互联网和数字娱乐领域有广阔的应用前景。本文研究了肖像素描合成的主要问题,包括用于光照、姿态和尺度空间归一化的单幅图像成像参数重建,头发区域分割和素描数据库学习,并针对移动互联网应用提出了一种鲁棒的实时全自动肖像素描合成方法。本文的主要贡献如下:
1.提出综合运用超球流形约束、球面谐波光照模型和三维可形变模型的单幅图像成像参数重建方法。该方法无需借助分区域拟合、人为估计参数值、层次匹配策略或复杂的组合特征即可由单幅图像和稀疏特征点重建全部成像参数,解决了模型拟合和图像匹配无法同时取得最优、复杂光照环境下的参数重建、成像参数维度过高等问题,显著提高了成像参数的重建精度。
2.提出将样本先验知识和由粗到细分割策略相结合的头发区域分割方法,显著提高了对头发形状和颜色及图像背景变化的鲁棒性,准确率达到90%以上。
3.首次将局部三值模式(LTP)和距离变换(DT)相似性度量应用到肖像素描合成的数据库学习模型,从而使模型性能在多种尺度空间下均取得显著提升。相比于现有方法,本文方法提升了约4倍的平均描述准确度并节省了约40%的平均计算时间。
4.针对移动互联网对实时全自动性能的要求,提出了一种新的肖像素描合成方法。该方法改进了主动形状模型,提高了特征点定位精度,对面部组件分类处理实现了实时合成,增强了无交互情况下的算法稳定性,对光照、姿态、表情、遮挡变化较大的手机拍摄照片具有良好的鲁棒性。
此外,鉴于肖像素描合成领域的研究比较散乱,缺少综述性文献,本文较全面地综述了肖像素描合成问题的研究历史和现状,系统整理了自提出肖像素描合成问题以来的相关研究工作,对十一种典型方法的联系、特点和主要实施步骤进行了详细阐述。