【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像處理，具體為一種基于改進(jìn)pspnet的ai發(fā)型設(shè)計評估方法、裝置及設(shè)備。
技術(shù)介紹
1、發(fā)型影響著一個人的外表形象，不同的人的臉型和五官有所差異，適合的發(fā)型也不同。目前發(fā)型設(shè)計方法大多數(shù)是根據(jù)理發(fā)者選好的發(fā)型圖片，在此基礎(chǔ)上理發(fā)師進(jìn)行修剪。但是這種方法理發(fā)者難以預(yù)知理發(fā)后的效果，并且理發(fā)后難以修復(fù)，因此發(fā)型模型就顯得非常重要。傳統(tǒng)的發(fā)型模擬方法通常借助手繪、計算機(jī)輔助設(shè)計等手段來預(yù)測和展示發(fā)型設(shè)計效果。然而，這些方法存在著主觀性強(qiáng)、效率低、準(zhǔn)確性不高等問題。
2、隨著計算機(jī)技術(shù)的進(jìn)步，自動化的發(fā)型模擬技術(shù)逐漸出現(xiàn)，例如，申請?zhí)枮閏n202111493218.1的中國專利公開了一種基于臉型識別的智能發(fā)型設(shè)計方法及系統(tǒng)，拍攝理發(fā)者的正臉照及側(cè)臉照，獲取理發(fā)者的臉型和五官數(shù)據(jù)，根據(jù)臉型及五官數(shù)據(jù)篩選數(shù)據(jù)庫的發(fā)型圖片，并全部排列出來，理發(fā)者選擇出自己喜歡的發(fā)型圖片，將被選擇的發(fā)型圖片與理發(fā)者的正臉照進(jìn)行合成，對合成照進(jìn)行人工微調(diào)。但是該專利并沒有給出合成采用的具體方法，并且未進(jìn)行圖像分割直接將發(fā)型圖片與理發(fā)者的正臉照進(jìn)行合成，容易導(dǎo)致生成的ai發(fā)型缺乏細(xì)節(jié)性，大大降低模擬效果。
3、在發(fā)型模擬中可以利用圖像分割提取發(fā)型的細(xì)節(jié)特征，圖像分割是將圖像劃分為不同區(qū)域或?qū)ο蟮倪^程，其中包括基于閾值、邊緣檢測、區(qū)域生長等基礎(chǔ)算法。pspnet是圖像分割中常用到的方法之一，和其他圖像分割方法相比，pspnet通過引入金字塔池化模塊，能夠有效地獲取多尺度的語義信息。但是，金字塔池化模塊通常將輸入特征圖按不同尺
4、為了解決傳統(tǒng)ai發(fā)型設(shè)計局部失真的技術(shù)問題，提出一種基于改進(jìn)pspnet的ai發(fā)型設(shè)計評估方法、裝置及設(shè)備。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種基于改進(jìn)pspnet的ai發(fā)型設(shè)計評估方法、裝置及設(shè)備，以解決上述
技術(shù)介紹
中提出的問題。
2、為實現(xiàn)上述目的，本專利技術(shù)提供如下技術(shù)方案：
3、一種基于改進(jìn)pspnet的ai發(fā)型設(shè)計評估方法，其特征在于，包括：
4、s10.構(gòu)建人體頭部圖像集和待模擬發(fā)型圖像集。
5、進(jìn)一步地，所述人體頭部圖像集包括用于訓(xùn)練改進(jìn)pspnet模型的第一圖像集和用于發(fā)型模擬的第二圖像集。
6、s20.采用改進(jìn)雙邊濾波和直方圖匹配方法，對所述人體頭部圖像集中的圖像進(jìn)行預(yù)處理。
7、進(jìn)一步地，所述預(yù)處理包括所述人體頭部圖像的去噪處理和亮度匹配處理，具體步驟包括：
8、s21.采用改進(jìn)雙邊濾波方法，對所述人體頭部圖像進(jìn)行去噪處理；
9、s22.使用直方圖匹配方法，對所述去噪處理過的人體頭部圖像和所述待模擬發(fā)型圖像進(jìn)行亮度匹配。
10、進(jìn)一步地，采用灰度值域剪枝方法改進(jìn)雙邊濾波，采用所述改進(jìn)雙邊濾波，對所述人體頭部圖像進(jìn)行去噪處理的具體步驟包括：
11、s211.輸入人體頭部圖像集，并確定雙邊濾波的空間領(lǐng)域大小、灰度值差異閾值和灰度值方差標(biāo)準(zhǔn)差；
12、s212.對于所述人體頭部圖像中的每個像素，計算它與周圍像素的灰度值差異，并將結(jié)果保存在灰度值差異圖中；
13、s213.構(gòu)建一個灰度值差異剪枝掩碼，所述灰度值差異剪枝掩碼是根據(jù)所述灰度值差異圖的像素，對于差異值小于所述灰度值差異閾值的像素，將相應(yīng)位置的掩膜值設(shè)為0，否則設(shè)為1；
14、s214.對于所述人體頭部圖像中的每個像素進(jìn)行改進(jìn)雙邊濾波處理，如果當(dāng)前像素的掩膜值為1，則對它的空間領(lǐng)域內(nèi)的像素，根據(jù)空間距離和灰度值域差異進(jìn)行加權(quán)平均，更新當(dāng)前的像素值，否則不對該像素進(jìn)行加權(quán)平均；
15、s215.輸出經(jīng)過改進(jìn)雙邊濾波去噪處理后的人體頭部圖像集。
16、進(jìn)一步地，使用直方圖匹配方法，對所述去噪處理過的人體頭部圖像和所述待模擬發(fā)型圖像進(jìn)行亮度匹配，具體步驟包括：
17、s221.計算人體頭部圖像和待模擬發(fā)型圖像的灰度級直方圖和累積分布函數(shù)；
18、s222.對人體頭部圖像和待模擬發(fā)型圖像進(jìn)行直方圖均衡化；
19、s223.將人體頭部圖像和待模擬發(fā)型圖像的累計分布函數(shù)進(jìn)行歸一化，使其取值范圍在0到1之間，計算待模擬發(fā)型圖像像素值到人體頭部圖像像素值之間的映射關(guān)系；
20、s224.使用s223計算得到的映射關(guān)系，將待模擬發(fā)型圖像的每個像素值映射到人體頭部圖像的對應(yīng)像素值，以實現(xiàn)亮度匹配。
21、s30.采用改進(jìn)pspnet模型，對所述第二圖像集中的圖像進(jìn)行圖像分割處理，輸出第一分割圖像。
22、進(jìn)一步地，采用非局部均值池化和加權(quán)softmax損失函數(shù)改進(jìn)pspnet模型；
23、采用第一圖像集訓(xùn)練所述改進(jìn)pspnet模型，并利用訓(xùn)練好的改進(jìn)pspnet模型對第二圖像集的圖像進(jìn)行圖像分割，具體步驟包括：
24、s31.對所述第一圖像集中的圖像進(jìn)行像素標(biāo)記，將所述圖像上的像素標(biāo)記為頭發(fā)和非頭發(fā)兩類；
25、s32.使用第一圖像集，訓(xùn)練所述改進(jìn)pspnet模型，使用加權(quán)softmax損失函數(shù)對模型進(jìn)行優(yōu)化，以最小化真實像素類別和預(yù)測像素類別之間的差距；
26、s34.采用非局部均值池化替換局部均值化，優(yōu)化所述改進(jìn)pspnet模型中的金字塔池化模塊；
27、s35.使用經(jīng)過訓(xùn)練的所述改進(jìn)pspnet模型對所述第二圖像集中的圖像進(jìn)行分割；
28、s36.輸出所述第二圖像集的第一分割圖像。
29、進(jìn)一步地，所述加權(quán)softmax損失函數(shù)的表達(dá)式為
30、
31、其中，l為加權(quán)softmax損失函數(shù)的值，w1為頭發(fā)類別的像素點占總像素點的比例，w1為非頭發(fā)類別的像素點占總像素點的比例，為改進(jìn)pspnet模型對頭發(fā)類別分割正確的像素點個數(shù)，f1為頭發(fā)類別的像素點個數(shù)，改進(jìn)pspnet模型對頭發(fā)類別分割正確的像素點個數(shù)，f12為改進(jìn)pspnet模型對非頭發(fā)類別分割正確的像素點個數(shù)，f2為非頭發(fā)類別的像素點個數(shù)。
32、進(jìn)一步地，采用非局部均值化優(yōu)化改進(jìn)pspnet模型中的金字塔池化模塊，具體步驟包括：
33、s331.將輸入的第一圖像集中的圖像進(jìn)行金字塔分解，可以得到不同分辨率的人體頭部圖像；
34、s332.在每個金字塔層次上，利用局部鄰域窗口計算所述人體頭部圖像的局部均值；
35、s333.對于人體頭部圖像的每個像素點，根據(jù)其在鄰域窗口中與其他像素點的相似性計算相應(yīng)的相似性權(quán)重；
36、所述相似性度量方法是計算兩個像素值之間的歐幾里德距離；
37、s334.根據(jù)相似性權(quán)重，對于所述人體頭部圖像的每個像素點，計算權(quán)重加權(quán)平均，得到非局部均值替換后的像素值；
3本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.一種基于改進(jìn)PSPNet的AI發(fā)型設(shè)計評估方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S20包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述S21包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S32包括：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S33包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S36包括：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S40中所述后處理包括：
8.一種基于改進(jìn)PSPNet的AI發(fā)型設(shè)計評估裝置，其特征在于，包括：
9.根據(jù)權(quán)利要求8中所述的裝置，其特征在于，所述圖像分割模塊包括：
10.一種計算機(jī)設(shè)備，包括存儲器及處理器，所述存儲器上存儲有可在處理器上運(yùn)行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)權(quán)利要求1至7中任一項所述方法的步驟。
【技術(shù)特征摘要】
1.一種基于改進(jìn)pspnet的ai發(fā)型設(shè)計評估方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述s20包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述s21包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述s32包括：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述s33包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述s36包括：
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：胡俊，李鑫，
申請(專利權(quán))人：胡俊，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。