[发明专利]基于特征相似性的合成人脸画像质量评价方法

摘要

本发明公开了一种基于特征相似性的合成人脸画像质量评价方法，主要解决现有图像质量评价方法直接应用在合成人脸画像中主客观一致性差的问题。其实现过程是：1)对测试合成人脸画像与参考画像进行预处理，使其尺寸大小一致；2)对合成画像与参考画像进行分块；3)对每幅画像的合成人脸画像块进行质量评价，得到画像块的质量评价分数；4)求整幅画像的质量评价分数。本发明与现有方法相比，充分考虑了合成人脸画像结构的特殊性，提高了合成人脸画像的主客观质量评价的一致性，可用于犯罪嫌疑人身份识别。

主权项

一种基于特征相似性的合成人脸画像质量评价方法，包括如下步骤：(1)选取一幅合成人脸画像作为测试画像，选取合成画像对应的原始画像作为参考画像；将测试画像与参考画像进行预处理，使其尺寸大小一样，将预处理后的测试画像和参考画像分别表示为T(x)、R(x)；(2)将测试画像T(x)与参考画像R(x)裁剪为大小一致无重叠的画像块，分别表示为TP_i(x)和RP_i(x)，i＝1,2,...,N，N表示画像块的个数，x表示像素点的位置；(3)对分割后的画像块进行质量评价：(3a)利用Canny算子分别计算第i个测试画像块TP_i(x)的边缘信息E_T(x)和第i个参考画像块RP_i(x)的边缘信息E_R(x)，并计算E_T(x)与E_R(x)的相似度S_E(x)：$S_E\left(x\right)=\frac{2E_T\left(x\right).E_R\left(x\right)+T_1}{{E_T}^2\left(x\right)+{E_R}^2\left(x\right)+T_1},$其中T₁为大于0的常数；(3b)分别计算第i个测试画像块TP_i(x)的梯度幅值G_T(x)和第i个参考画像块RP_i(x)的梯度幅值G_R(x)，并计算G_T(x)与G_R(x)的相似度S_G(x)：$S_G\left(x\right)=\frac{2G_T\left(x\right).G_R\left(x\right)+T_2}{{G_T}^2\left(x\right)+{G_R}^2\left(x\right)+T_2},$其中T₂为大于0的常数；(3c)将步骤(3a)得到的相似度S_E(x)与步骤(3b)得到的相似度S_G(x)进行组合，得到第i个测试画像块TP_i(x)与i个参考画像块RP_i(x)的相似性S_L(x)：S_L(x)＝(S_E(x))^α·(S_G(x))^β，其中α为S_E(x)的影响因子，α>0；β为S_G(x)的影响因子，β>0；(3d)根据步骤(3a)得到的边缘信息E_T(x)、E_R(x)以及步骤(3c)得到的相似性S_L(x)计算画像块质量评价分数score：$\mathrm{score}=\frac{{\mathrm{\Σ}}_{x\∈\mathrm{\Ω}}{S}_L\left(x\right)E_m\left(x\right)}{{\mathrm{\Σ}}_{x\∈\mathrm{\Ω}}{E}_m\left(x\right)},$其中Ω为整个画像块的空间域，E_m(x)＝max(E_T(x),E_R(x))；(4)对整幅测试画像进行质量评价：(4a)重复步骤(3)，直至处理完N个测试画像块，每个画像块得到的质量评价分数分别表示为score_i，i＝1,2,...,N；(4b)求整幅画像的质量评价分数SCORE：$\mathrm{SCORE}=\frac{1}{N}({\mathrm{score}}_1+{\mathrm{score}}_2+...+{\mathrm{score}}_i+...+{\mathrm{score}}_N).$