论文部分内容阅读
自古以来,“美丽”一直是引人入胜却又扑朔迷离的概念。在大多数人眼中,人脸的美丽是十分抽象的概念,难以被量化。从古至今,这方面的研究也从未停止过,例如达芬奇的美丽密码等,虽然这种对于美丽的规则描述较为简单,但也一定程度上反映出人类对于美丽度感知的一致性。得益于计算机技术及数字图像处理技术的蓬勃发展,如今人们已经发现,利用机器学习的方法可以在一定程度上使机器学会评价人脸的美丽程度。在此基础上,本课题致力于研究人类对人脸的美丽度进行感知的潜在规律,并使用机器学习与图像处理的方法来实现对人脸图像的美化。本文的主要工作如下:首先,介绍了人脸美丽评价算法的概念和基本框架,并创新性地提出了基于纹理的人脸美丽评价算法,引入Gabor特征来描述人脸的纹理特性。再结合几何特征和Wrapper特征选择算法,获得了与真实人类评价高达0.93的相关度系数。然后,介绍人脸图像变形算法以及人脸纹理合成算法。在人脸图像变形模块中,本文利用基于B样条的多层次自由形状变形算法(MFFD)来进行人脸图像的变形。在人脸纹理合成模块中,本文引入了基于WLS的边缘保留平滑算法以及其改进算法,并介绍了基于该改进算法的人脸图像分解算法,同时本文提出一种简化算法以降低其计算复杂度。最后,本文创新地提出一种具备纹理美化能力的基于数据驱动的人脸美化系统。该系统利用基于KNN的人脸美化引擎来指导人脸图像变形模块和人脸纹理合成模块对输入人脸进行变形和纹理替换,从而使得人脸的几何形状和纹理都能得到美化,以便获得全面的美化效果。人脸美化系统在现实生活中有很广阔的应用前景。例如,可以辅助医院进行美容整形,为整容者给出脸部整形的最佳方案;人脸美化也可给动画、游戏设计人员设计虚拟形象提供辅助等等。在数字相片的处理上,人脸美化系统也可以为非专业的图像处理人员提供令人满意的肖像美化功能。