基于貝葉斯推斷的人臉畫像合成方法技術

本發明專利技術公開了一種基于貝葉斯推斷的人臉畫像合成方法，主要解決現有方法在近鄰尋找或者在權值求解階段沒有考慮相鄰圖像塊之間的相似性約束問題。其方案是：1.劃分訓練畫像樣本集、訓練照片樣本集和測試樣本集；2.將所有圖像劃分成圖像塊，并組成塊集合；3.將訓練照片塊集合與對應的畫像塊集合劃分為多個子集；4.從訓練照片?畫像塊集合中選擇出最近鄰塊；5.將最近鄰塊按歐式距離從訓練照片?畫像塊集合中進行近鄰塊再選擇，對求解再選近鄰塊的線性組合權值；6.依據近鄰塊和組合權值，求解待合成畫像塊；7.迭代執行步驟5?6共N次，融合得到最終的合成畫像。本發明專利技術具有合成結果清晰度高、細節更完整的優點，可用于人臉檢索與識別。

【技術實現步驟摘要】

本專利技術是屬于圖像處理的
，更進一步涉及一種人臉畫像合成方法，可用于刑偵破案中的人臉檢索與識別。
技術介紹
人臉畫像合成在數字娛樂和刑偵破案中作用巨大。例如在3D巧克力打印中，通常需要利用人臉畫像合成算法合成一張黑白畫像來作為打印機的打印軌跡；在刑偵破案過程中往往并不總能得到犯罪嫌疑人的照片，得到的經常是目擊者的一些描述或視頻圖像資料，為了快速破案，可行的方案是根據目擊者描述及視頻圖像提供的線索繪制一幅畫像，進而通過畫像進行身份確認。但由于人臉照片和畫像在成像機制、形狀和紋理方面都存在較大的差異，直接采用現有的人臉識別技術在公民照片數據庫中對畫像進行識別，其識別率非常低。為了減小畫像與照片之間的差異，可以將公民照片數據庫中的照片利用畫像合成技術轉換為畫像，進而再進行素描手繪畫像和合成畫像之間的比對。現有的人臉畫像合成通?；谝韵氯N方法：其一，是基于局部線性的人臉畫像合成方法，如Liu等人在文獻“Q.S.Liu and X.O.Tang,A nonlinear approach for face sketch synthesis and recognition,in Proc.IEEE Int.Conference on Computer Vision,pp.1005-1010,2005.”中提出了一種借助局部線性來近似全局非線性的方法將照片轉化成合成畫像。該方法的實施方式是：首先將訓練集中的照片-畫像對及待變換照片劃分成相同大小及相同重疊區域的圖像塊，對于待變換照片的每一個照片塊在訓練照片塊中尋找它的K個近鄰照片塊，然后將K個照片塊對應的畫像塊進行加權組合得到待合成畫像塊，最后將所有的待合成畫像塊融合得到合成畫像。但是該方法存在的不足之處是：由于沒有將相鄰圖像塊之間的相似性約束考慮進模型內，導致合成結果存在塊效應和細節模糊的缺陷。其二，是基于馬爾可夫網絡模型的人臉畫像合成方法，如Wang等人在文獻“X.Wang,and X.Tang,“Face Photo-Sketch Synthesis and Recognition,”IEEE Transactions on Pattern Analysis and Machine Intelligence,31(11),1955-1967,2009.”中提出了一種基于馬爾可夫網絡模型的人臉畫像合成方法。該方法實施方式是：首先將訓練集中的畫像-照片對及測試照片分塊；然后根據測試照片塊與訓練照片塊之間的關系以及相鄰位置的畫像塊之間的關系，建立馬爾可夫網絡模型；對每個測試照片塊尋找一個最佳的訓練畫像塊作為待合成畫像塊；最后將所有的待合成畫像塊融合得到合成畫像。但是該方法存在的不足之處是：由于每個照片塊位置只選擇一個訓練畫像塊進行畫像合成，導致合成結果存在形變。其三，基于馬爾科夫權重網絡的人臉畫像合成方法，如Zhou等人在文獻“H.Zhou,Z.Kuang,and K.Wong,“Markov Weight Fields for Face Sketch Synthesis,”in Proc.IEEE Int.Conference on Computer Vision,pp.1091-1097,2012.”中提出了一種基于加權的馬爾科夫網絡模型的人臉畫像合成方法。該方法與上面的基于馬爾科夫網絡模型不同的是將線性組合引入進馬爾科夫網絡，從而克服了因為基于馬爾科夫網絡方法選擇一個畫像塊而導致的形變問題。但是該方法合成結果因為在選擇近鄰時沒有考慮相鄰圖像塊之間的相似性約束，導致合成結果噪聲多，較為模糊。
技術實現思路
本專利技術的目的在于克服上述現有方法的不足，提出一種基于貝葉斯推斷的人臉畫像合成方法，以減小圖像噪聲，提高合成畫像的圖像質量。為實現上述目的，本專利技術的技術方案包括如下：(1)從照片-畫像對集中取出M張照片組成訓練照片樣本集Tp，并取出與訓練照片樣本集Tp中的照片一一對應的M張畫像組成訓練畫像樣本集Ts，將剩余照片-畫像對組成測試樣本集，從測試樣本集中選取一張測試照片L，2≤M≤U-1，U為照片-畫像對集中的照片-畫像對個數；(2)對所有圖像進行劃分，得到訓練照片集樣本塊集合R和訓練畫像集樣本塊集合Q；(3)將訓練照片樣本塊集合R與對應的畫像樣本塊集合Q劃分為N個子集，并將子集組成集合：RN＝{R1,…,Rj,…,RN本文檔來自技高網...

【技術保護點】
基于貝葉斯推斷的人臉畫像合成方法，包括：(1)從照片?畫像對集中取出M張照片組成訓練照片樣本集Tp，并取出與訓練照片樣本集Tp中的照片一一對應的M張畫像組成訓練畫像樣本集Ts，將剩余照片?畫像對組成測試樣本集，從測試樣本集中選取一張測試照片L，2≤M≤U?1，U為照片?畫像對集中的照片?畫像對個數；(2)對所有圖像進行劃分，得到訓練照片集樣本塊集合R和訓練畫像集樣本塊集合Q；(3)將訓練照片樣本塊集合R與對應的畫像樣本塊集合Q劃分為N個子集，并將子集組成集合：RN＝{R1,…,Rj,…,RN}QN＝{Q1,…,Qj,…,QN}其中，RN表示所有訓練照片樣本塊子集組成的集合，Rj表示訓練照片樣本塊第j個子集，QN表示所有訓練畫像樣本塊子集組成的集合，Qj表示訓練畫像樣本塊第j個子集，j∈{1,…,N}；(4)對于測試照片塊集合P中的每一個測試照片塊pj,其中1≤j≤N,從其對應的訓練照片塊子集Rj中根據歐式距離尋找K1個最近的照片塊，記為同時從訓練畫像塊子集Qj中取出與對應的畫像塊1≤m≤K1；(5)對每一個測試照片樣本塊pj,通過最大化基于后驗概率的馬爾科夫網絡從K1個近鄰照片和畫像對中挑選出最近鄰照片和畫像1≤l≤K1；(6)對每一個測試照片樣本塊pj，根據與Rj中照片塊的距離，挑選出K2個近鄰照片塊記作其對應的畫像塊為1≤h≤K2；(7)對每一個測試照片樣本塊pj,其中1≤j≤N,通過求解馬爾科夫權重網絡，得到重構權值其中T表示轉置；(8)利用步驟(6)得到的畫像塊和步驟(7)得到的權值，計算每個測試照片塊pj對應的待合成畫像塊sj:(9)迭代執行步驟(6)?(8)直至得到N塊待合成畫像塊，并將N個合成畫像塊{s1,…,sj,…,sN}進行組合，得到與測試照片L對應的合成畫像。...

【技術特征摘要】
1.基于貝葉斯推斷的人臉畫像合成方法，包括：(1)從照片-畫像對集中取出M張照片組成訓練照片樣本集Tp，并取出與訓練照片樣本集Tp中的照片一一對應的M張畫像組成訓練畫像樣本集Ts，將剩余照片-畫像對組成測試樣本集，從測試樣本集中選取一張測試照片L，2...

【專利技術屬性】
技術研發人員：王楠楠，高新波，孫雷雨，李潔，朱明瑞，于昕曄，張宇航，曹兵，査文錦，馬卓奇，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：陜西;61