[发明专利]基于Gabor特征的人脸素描合成方法及系统

说明书

技术领域

本发明属于人脸素描合成技术领域，具体涉及一种基于Gabor特征的人脸素描合成方法及系统。

背景技术

近年来，从人脸照片数据库检索犯罪嫌疑人照片作为一种刑事侦查手段，已广泛应用于执法工作中。但是嫌疑人照片有时无法获取，只能通过画家根据目击者回忆画出嫌疑人的人脸素描，再采用人脸幅素描进行检索。然而，由于人脸素描和人脸照片的明显异质性，加之人脸素描的生成过程中，涉及未知的心理机制影响，因此采用传统人脸识别方法识别人脸素描的准确度很低。解决该问题的方法之一就是根据人脸素描和人脸照片合成伪人脸照片或伪人脸素描。此外，在生活娱乐方面，人脸素描大多由专业美术人员手工或通过绘画软件创作而来，伪人脸素描和伪人脸照片的合成也可以减轻美术工作人员的负担，并增加创作灵感。

现存的素描合成方法包括三类：基于参数估计的全局脸方法、基于图像修复的局部脸方法和联合方法。

(1)基于参数估计的全局脸方法

2003年Tang等^[1]提出了一种基于特征脸的素描合成方法，该方法基于特征变换，把彩色图的纹理和形状变换为素描图的纹理和图像。由于全局脸模型的表达力不够，该方法在合成头发和脸部细节时，效果不佳。

(2)基于图像修复的局部脸方法

Liu等^[2]受局部线性嵌入(locally linear embedding，LLE)的启发，提出了一种几何结构局部线性保留的合成方法，该方法在初始估计过程中，容易丢失细节信息，也称作残差，从这点来说，该方法拓宽了人们对合成的认识。

Tang等^[3]提出了多尺度的马尔科夫随机场(Multi-scale Markov Random Field，也称MMRF)模型，在光照条件且正面人脸下，取得了很好效果。在此基础上，Zhang等^[4]基于块描述子得到了一种新的素描合成方法，该方法克服了马尔科夫随机场模型中存在的不同姿势和不同光照下合成效果不理想的问题。

最近，Chang等^[5]提出基于稀疏编码(sparse coding)合成素描，并首次通过稀疏编码学习出耦合字典素描块字典和块字典。考虑到候选素描的权重组合将导致高频信息的丢失，Ji等^[6]从正则化角度进行了稀疏编码。此外，Wang等^[7]提出了半耦合字典学习方法。

(3)联合方法

主要以Tu等人^[8]为代表，Tu等人^[8]提出了考虑了局部特征和全局几何结构的方向联合(direct combined)模型，并将该模型用于素描合成。

现有的素描合成方法均是采用欧氏距离度量两个图像或图像块，由于光照对像素影响很大，由于光照变化会导致高频信息丢失，合成效果急剧下降，因此上述方法的合成效果需进一步加强，还需要寻找对光照更鲁棒的特征空间。

发明内容

针对现有技术存在的问题，本发明提供了一种可进一步提高人脸素描合成质量的、基于GABOR特征的人脸素描合成方法及系统。

为解决上述技术问题，本发明采用如下的技术方案：

一、基于Gabor特征的人脸素描合成方法，包括步骤：

步骤1，将待合成人脸照片、人脸照片训练集中人脸照片样本以及人脸素描训练集中人脸素描样本划分为相互重叠的像素块，待合成人脸照片、人脸照片样本及人脸素描样本大小相同，且人脸照片样本和人脸素描样本一一对应；

步骤2，提取各像素块的Gabor特征，基于像素块Gabor特征的协方差矩阵获得第一Stein散度矩阵和第二Stein散度矩阵，其中，第一Stein散度矩阵为待合成人脸照片像素块和各人脸照片样本像素块间的Stein散度矩阵，第二Stein散度矩阵为不同人脸照片样本像素块间的Stein散度矩阵；

步骤3，基于第一Stein散度矩阵、第二Stein散度矩阵及各人脸照片样本像素块的重建系数，采用正则最小二乘法获得第二Stein散度矩阵对第一Stein散度矩阵进行线性组合的最优权值；

步骤4，采用最优权值将各人脸素描样本对应位置的像素块加权合成，获得该对应位置像素块的合成人脸素描像素块；

步骤5，将合成人脸素描像素块按其在人脸上位置进行融合，获得待合成人脸照片对应的合成人脸素描。

步骤2中所述的提取各像素块的Gabor特征具体为：