一种基于深度卷积网络的自动图像变形方法技术

本发明专利技术公开了一种基于深度卷积网络的自动图像变形方法。使用本发明专利技术能够适用于颜色、外观差距较大的图像，且鲁棒性较好。本发明专利技术利用深度卷积网络中不同层级的卷积层、池化层或激活层的张量信息，倒金字塔式地从最底层级依次往上进行逐渐精确的特征点匹配，然后利用最顶层的匹配点，使用图像变形方法实现源图像到目标图像的变形，能够适用于外观特征变化较大的图像，且鲁棒性较好。

An Automatic Image Deformation Method Based on Deep Convolution Network

The invention discloses an automatic image deformation method based on depth convolution network. The invention can be applied to images with large color and appearance differences, and has good robustness. The invention utilizes tensor information of convolution layer, pooling layer or activation layer at different levels in deep convolution network to perform progressively accurate feature point matching from the bottom level to the top level in turn, and then uses the matching point at the top level to deform the source image to the target image by image deformation method, which can be applied to images with large changes in appearance characteristics and is robust. Better sex.

【技术实现步骤摘要】
一种基于深度卷积网络的自动图像变形方法
本专利技术涉及图像处理
，具体涉及一种基于深度卷积网络的自动图像变形方法。
技术介绍
自动图像变形技术属于图像处理领域，是指由一幅图片渐变至另一幅图片的动态变形技术，广泛运用于电影特效、动画制作。现有自动图像变形算法通过在源图片和目标图片中手动标定一系列对应点，通过这些对应点的匹配控制整幅图像的几何变形。本质是利用已有图像像素信息寻找特征基元进行特征匹配以保留特征之间的几何对应关系，再根据几何对应关系对两幅图像颜色进行线性插值生成中间过渡图像。其中对任意一个点的更改，都会造成整个变形过程的变化；同时，标定点的质量也同样影响着最后的结果，标定点太密，不仅加大了初始工作量，也会产生更多的冲突；标定点太稀疏，无法很好地指导几何变形，导致变形过程产生较大失真，具体表现为渐变过程中产生的重影。因此特征点的选取直接影响变形效果。肖红光等人提出使用多特征融合的自动变形方法来寻找初始匹配点(肖红光,肖树根,刘京,李淳芃,陈立福.多特征融合的图像自动变形[J].中国图象图形学报,2014,19(07):1012-1020.)，但是其仅仅基于外部特征，对于颜本文档来自技高网...

【技术保护点】
1.一种基于深度卷积网络的自动图像变形方法，其特征在于，包括如下步骤：步骤1，构建深度卷积网络，并对其进行训练，得到能够提取图像特征的、训练好的深度卷积网络；步骤2，将待匹配的两幅图像A、B分别输入步骤1训练好的深度卷积网络，提取深度卷积网络中各层级中的卷积层、池化层或激活层的输出；步骤3，针对提取的各层的输出，分别设定该层的搜索子区域；从最底层开始，由下至上在各层对应的搜索子区域内分别进行最近邻匹配；其中，最近邻匹配过程如下：对于第l层的第n个搜索子区域，对图像A的第l层的第n个搜索子区域中的每一个子张量

【技术特征摘要】
1.一种基于深度卷积网络的自动图像变形方法，其特征在于，包括如下步骤：步骤1，构建深度卷积网络，并对其进行训练，得到能够提取图像特征的、训练好的深度卷积网络；步骤2，将待匹配的两幅图像A、B分别输入步骤1训练好的深度卷积网络，提取深度卷积网络中各层级中的卷积层、池化层或激活层的输出；步骤3，针对提取的各层的输出，分别设定该层的搜索子区域；从最底层开始，由下至上在各层对应的搜索子区域内分别进行最近邻匹配；其中，最近邻匹配过程如下：对于第l层的第n个搜索子区域，对图像A的第l层的第n个搜索子区域中的每一个子张量在图像B的第l层中以相同位置的子张量为中心的匹配区域内寻找与距离最近的子张量，其中，匹配区域小于搜索子区域；同样的，对图像B的第l层的第n个搜索子区域中的每一个子张量在图像A的第l层中以相同位置的子张量为中心的匹配区域内寻找与距离最近的子张量；若A、B的第l层的第n个搜索子区域中存在两个子张量互为距离最近，则称这两个子张量为最近邻匹配对；其中，第l层的第n个搜索子区域为l+1层的第n个匹配对在第l层的映射；最底层的搜索子区域为最底层整个区域；以此类推，得到最顶层的最近邻匹配对；步骤4，利用最顶层的最近邻匹配，采用图像变形方法实现图像A到图像B的变形。2.如权利要求1所述的基于深度卷积网络的自动图像变形方法，其特征在于，所述步骤1中，所述深度卷积网络为图像分类网络。3.如权利要求1或2中所述的基于深度卷积网络的自动图像变形方法，其特征在于，所述步骤1中，采用公开数据集进行网络训练或者直接采用现有公开的已预训练好的深度卷积网络。4.如权利要求1所述的基于深度卷积网络的自动图像变形方法，其特征在于，所述步骤2中，只提取前4个或前5个层级的卷积层、池化...

【专利技术属性】
技术研发人员：科菲尔·阿博曼，陈宝权，史明镒，达尼·李其思，达尼·科恩尔，
申请(专利权)人：北京电影学院，
类型：发明
国别省市：北京,11