[发明专利]一种基于极大半径圆域的人脸图像修复方法

摘要

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。

主权项

1.一种基于极大半径圆域的人脸图像修复方法，其特征在于修复人脸图像时进行如下步骤：步骤1：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个人脸特征点的提取。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，输出是68个人脸特征点的位置信息P_j＝(x_j，y_j)，N₀＝68；步骤2：特征部位极大半径圆域确定：选择由步骤1得到的68个特征点中18至68特征点重新排序，构成特征部位关键点集合：左眉眼信息S₁＝[P₁，...，P₁₁]^T，右眉眼信息S₂＝[P₁₂，...，P₂₂]^T，鼻子信息S₃＝[P₂₃，...，P₃₁]^T，嘴巴信息S₄＝[P₃₂，...，P₅₁]^T；确定各特征部位以R_i(X_i，Y_i)为圆心，以r_i为半径的极大半径圆域；圆心(X_i，Y_i)的计算方式如下公式所示：其中(x_ij，y_ij)∈S_i，N_i表示集合S_i中特征点的个数，i＝1，2，3，4。计算S_i中特征点到圆心R_i的欧氏距离确定极大半径r_i，公式为：步骤3：确定最高优先级待修复点：使用受损区域边缘信息计算置信度项和局部结构项，使用P(p)＝e^β(p)×C(p)确定优先级，其中β(p)的公式为：为已知区域，Ψ_p为以点p为中心，以n*n大小的样本块。表示在样本块中未受损的信息。G_x，G_y表示像素点q_j在x方向和y方向的梯度。步骤4：选择填充搜索域：选择的搜索域为样本块匹配的填充块所在的特征部位极大半径圆域E_i，根据像素点p(x_p，y_p)的坐标与各特征部位极大半径圆域的中心R_i(X_i，Y_i)，以及半径r_i的相对位置确定填充块所在的特征部位，具体计算公式为：Dis(p)表示像素点p与特征部位极大半径圆域E_i中心的欧氏距离。若Dis(p)小于r_i则p在E_i内，则选该E_i为搜索域；若Dis(p)同时满足Dis(p)≤r_i和Dis(p)≤r_j，j≠i，则根据分别计算p在E_i和E_j的相对位置，按照选择点p相对更接近中心的圆域为搜索域；若不存在Dis(p)≤r_i，表示点p不在特征部位，选择除去特征部位的其他已知区域为搜索域。步骤5：最佳填充块选择：在搜索域搜寻填充块时，按照最小均方误差(Minimum Mean Square Error，MMSE)的规则，搜寻匹配对MMSE(Ψ_p，Ψ_q)，即目标块Ψ_p的填充块为Ψ_q。同时计算匹配对(Ψ_p，Ψ_q)的结构相似度Sim_l：其中，δ_p，δ_q分别为Ψ_p和Ψ_q像素的标准差，δ_pq为Ψ_p与Ψ_q之间的协方差，C为结构系数。给定结构相似度阈值Sim，若Sim_l＜Sim则在人脸图像全局范围搜寻填充块及其结构相似度Sim_g，选择结构相似度大的填充块为最佳填充块，复制到样本块，更新受损区域优先级。