[发明专利]一种基于极大半径圆域的人脸图像修复方法

说明书

本发明公开了一种基于极大半径圆域的人脸图像修复方法，属于图像处理领域，具体涉及受损人脸图像的修复方法。本方法包括以下步骤：(1)人脸特征点提取：对输入的损伤人脸图像，抽取68个特征点，构成脸型轮廓；(2)构建特征部位极大半径圆域：圆心为特征点分布的中心点，半径为特征点到中心的最大距离；(3)修复优先级确定：根据区域边缘信息计算置信度和局部结构复杂度构建优先级函数，优先级最高的损伤点为待修复点；(4)填充搜索域确定：选择距离待修复点最近的圆域为填充块的搜索域；(5)填充块确定：以最优匹配样本块替换待修复块，更新损伤域完成图像修复。实验证明，本方法对人脸修复效果明显，对人脸识别技术有重要意义。

技术领域

本发明涉及计算机图像处理领域，尤其涉及到一种基于极大半径圆域的人脸图像修复方法。

背景技术

数字人脸图像识别是目前学术界研究的焦点，然而，由于人为因素干扰、拍摄设备故障、在传输的过程中的编码，解码等因素，致使人脸图像特征信息损失问题，严重影响人脸识别的精确性。数字图像修复技术针对图像中缺损区域，利用已知区域的结构和纹理信息，按照一定的填充顺序和相似性匹配准则，使填充后图像视觉上合理真实。

目前数字图像修复技术可分为两类：基于偏微分方程(Partial DifferentialEquation,PDE)的结构传播方法和基于样本块的纹理合成方法。基于PDE的结构传播方法结合平滑先验知识修复受损区域较小的图像。基于样本块的纹理合成方法根据匹配准则，将受损区域用已知区域的信息按照一定的顺序填充完整。

目前关于人脸数字图像的修复问题方法有很多。Yue-TingZ等人在2009年提出通过引入人脸先验知识，在人脸数据库中选择同一人脸图像做源区域搜寻匹配块填充受损区域完成图像修复。YuY等人在2013年提出了一种新的动态阈值策略，使用快速迭代收缩阈值算法来实现了人脸图像修复。SulamJ等人针对人脸图像大块缺失问题，在2016年提出利用在线稀疏字典学习算法，从人脸图像的各种数据集的语料库中设计大量的适应性原子，该方法在全局模型上，将修复任务表示为一个具有稀疏推广先验的逆问题。但上述两种方法均需要人脸数据库的支持，对单一人脸图像并不适用。

传统的基于样本的纹理合成图像修复方法，在弱纹理的人脸图像上表现并不好，而上述方法均需要人脸数据库的支持，对单一人脸图像并不适用。

为解决上述问题，本发明通过人脸特征点定位，确定特征部位极大半径圆域，改进受损区域优先级函数，为样本块选择搜索域，根据匹配准则和结构相似度确定最佳填充块，完成人脸图像修复。

发明内容

本发明将人脸特征点定位思想应用于基于样本块的人脸图像修复框架中，发明了一种基于极大半径圆域的人脸图像修复方法。通过引入局部结构项，改善了原始优先级修复过程中未能良好的保持结构连通性的问题，精确计算受损区域优先级；通过人脸特征点定位的自适应窗回归模型，对人脸特征部位极大半径圆域分区，提高填充块搜寻效率，使修复效果更接近真实人脸图像。

根据本发明提供的具体步骤，提出一种基于极大半径圆域的人脸图像修复方法。

一种基于极大半径圆域的人脸图像修复方法，该方法包括以下步骤：

步骤1：输入待修复人脸图像I，标记受损区域Ω，输出图像F初始化时等于输入图像I；

步骤2：人脸特征点定位：利用人脸特征点定位的自适应窗回归方法实现68个特征点的定位。所述人脸特征点定位的自适应窗回归方法，是基于随机蕨构造回归模型训练人脸特征点的模型；人脸特征点定位模型的输入是一张人脸图像I，输出是68个特征点的位置信息P_j＝(x_j，y_j),N₀＝68；