The invention discloses a facial image stylization method based on spatial constraints, which includes the following steps: firstly, the input style image and the original image are normalized, the multi-layer depth feature map of the face is extracted by the feature encoder, and the feature points of the face space are extracted by the face modeling network; secondly, in each layer of the depth feature map, the face space is utilized. Spatial constraints of feature points and Pu's transformation are used to implement feature block matching method to obtain the mapping from the style image to the original image; the mapping style image is fused with the original image to get a new depth feature map, and the stylized original image is finally obtained through the pre-trained feature decoder. The invention belongs to the field of computer vision, makes full use of the spatial correspondence of the face and designs a fast feature block matching method, which can effectively improve the speed and accuracy of face image stylization.
【技术实现步骤摘要】
一种基于空间约束的人脸图像风格化方法
本专利技术属于计算机视觉与图像处理领域,尤其涉及一种基于空间约束的人脸图像风格化方法。
技术介绍
人脸图像风格迁移是一种图像处理方法,对输入图像进行预处理、分析编码、特征融合和解码可以将给定的风格特征作用到原始人脸图像,从而得到风格化的人脸图像。以往的风格迁移方法需要耗费大量的计算资源用于在风格图像和参考图像之间求解数值优化问题,近年出现了一些快速风格迁移方法,这些方法多是基于大量的同类型风格图像进行长时间训练,提取出特定的风格模型再将其渲染在参考图像上,这种类型的方法只能对图像整体的颜色纹理特征进行无差别的迁移,不具备语义级别的风格迁移能力。到目前为止,能够实现快速、准确、语义级别的任意风格迁移方法还没有出现。
技术实现思路
专利技术目的:针对以上现有技术存在的问题,本专利技术提出一种基于空间约束的人脸图像风格化方法,该方法旨在基于图像中的人脸空间特征点对应关系,在语义信息的指导下逐步进行快速准确的特征匹配与融合,从而实现快速的人脸图像风格化。技术方案:为实现本专利技术的目的,本专利技术所采用的技术方案是:一种基于空间约束的人脸图像风格化方法,该方法包括以下步骤:(1)对风格图像a、原始人脸图像b进行裁剪;(2)通过神经网络提取风格图像a、原始人脸图像b的人脸多层深度特征图以及人脸空间特征点;(3)根据神经网络最后一层的输出特征图,对人脸五官区域执行空间约束的特征块匹配;(4)根据特征块匹配结果,计算从风格图像a到原始人脸图像b的局部映射矩阵;(5)根据上述局部映射矩阵,将映射作用于整张图像;(6)将映射后的风格特征图与 ...
【技术保护点】
1.一种基于空间约束的人脸图像风格化方法,其特征在于,该方法包括以下步骤:(1)对风格图像a、原始人脸图像b进行裁剪;(2)通过神经网络提取风格图像a、原始人脸图像b的人脸多层深度特征图以及人脸空间特征点;(3)根据神经网络最后一层的输出特征图,对人脸五官区域执行空间约束的特征块匹配;(4)根据特征块匹配结果,计算从风格图像a到原始人脸图像b的局部映射矩阵;(5)根据上述局部映射矩阵,将映射作用于整张图像;(6)将映射后的风格特征图与原始人脸特征图像融合,并将融合后的特征图放大到上一层尺寸;(7)返回上一层,迭代执行步骤(3)‑(6),得到风格化的人脸图像。
【技术特征摘要】
1.一种基于空间约束的人脸图像风格化方法,其特征在于,该方法包括以下步骤:(1)对风格图像a、原始人脸图像b进行裁剪;(2)通过神经网络提取风格图像a、原始人脸图像b的人脸多层深度特征图以及人脸空间特征点;(3)根据神经网络最后一层的输出特征图,对人脸五官区域执行空间约束的特征块匹配;(4)根据特征块匹配结果,计算从风格图像a到原始人脸图像b的局部映射矩阵;(5)根据上述局部映射矩阵,将映射作用于整张图像;(6)将映射后的风格特征图与原始人脸特征图像融合,并将融合后的特征图放大到上一层尺寸;(7)返回上一层,迭代执行步骤(3)-(6),得到风格化的人脸图像。2.根据权利要求1所述的一种基于空间约束的人脸图像风格化方法,其特征在于,步骤(1)中,对风格图像a、原始人脸图像b进行裁剪,方法如下:给定两张风格不同的人脸图像,选取其中一张为风格图像,另外一张为将要执行风格化的原始人脸图像,对输入的风格图像和原始图像进行裁剪获得矩形人脸图像,而且图像宽度和高度范围为200-600像素之间。3.根据权利要求2所述的一种基于空间约束的人脸图像风格化方法,其特征在于,步骤(2)中,通过神经网络提取风格图像a、原始人脸图像b的人脸多层深度特征图以及人脸空间特征点,方法如下:(2.1)删除VGG19模型最后三层全连接层,保存VGG19模型前五层,设计和构造人脸特征编码网络;(2.2)每层N中均包含卷积层、激活层、池化层,N=1,2,3,4,5;(2.2)卷积层,采用3*3的卷积核对上一层的输出执行卷积操作,卷积层用于提取图像的局部特征以及放大图像维度,各个层经过卷积层后,维度分别为32、64、128、256、512;(2.3)激活层,采用分段线性函数,将卷积层的输出归一化到指定范围内;(2.4)池化层,通过2*2的最大值滤波器,使得图像长宽减小到原来的一半,各个层经过池化层后,尺寸分别为原图的1/1、1/2、1/4、1/8、1/16;(2.5)将五层按照串联形式首尾相连,得到用于特征提取的人脸特征编码网络;(2.6)采用五层中的各层的池化层输出作为深度特征图;(2.7)根据人脸特征点检测方法获取风格图像a以及原始图像b的3D人脸空间特征点。4.根据权利要求3所述的一种基于空间约束的人脸图像风格化方法,其特征在于,步骤(3)中,根据神经网络最后一层的输出特征图,对人脸五官区域执行空间约束的特征块匹配,方法如下:(3.1)将风格图像a以及原始图像b的3D人脸空间特征点空间坐标相连,分割出五官区域;(3.2)将风格图像a、原始图像b在最后一层的深度特征图分割为多个3*3的矩形特征块pa、pb;(3.2)定义从pa到pb的映射函数为即特征块pa是风格图像a的特征图中与pb最相似特征块;(3.3)在原始图像b的人脸五官区域,为每一个特征块pb随机分配一个处于相同五官区域的特征块pa,即假设与pb最相似特征块是pa,即初始化映射函数为(3.4)在初始值的基础之上,搜索与特征块pb最相似的特征块pa,令Na(p)为风格图像a五官区域的所有特征块,Nb(p)为原始图像b五官区域的所有特征块,为风格图像a中特征块pa的特征值,为原始图像b中特征块pb的特征值,在Na(p)中,找到能够使得下列能量函数最小的特征块pa:pa∈Na(p),pb∈Nb(p)上式最小,也即说明pa是与特征块pb最为相似的特征块,即pa与pb相互匹配,每次比较时,遍历当前匹配到的特征块pa周围的8个相邻的特征块pa1~pa8,依次计算他们的能量函数,如果找到更相似的特征块pai,就更新现在的匹配结果,即将...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。