基于稠密特征对应与形态学的人脸表情合成方法技术

本发明专利技术提出一种基于稠密特征对应与形态学的真实感人脸图像表情合成方法。本发明专利技术通过对人脸图像的分解表达，可以实现图像中人脸特征的位置信息及灰度信息的有效分离，并能互不干扰的捕获在表情变化中的形状和纹理各自的差异。将这种差异映射到一个新的人脸图像上，并利用形态学方法提取来源于对准误差的黑白斑噪声区域，并使用线性插值的方式填充该区域实现滤除噪声，从而完成整个表情合成过程。实验证明，本发明专利技术可以很好的表现表情变化中的纹理差异，同时这种处理思想也更符合人们对表情变化的认识，合成出的人脸表情真实感强，此外具有计算量小和鲁棒性强的优点。

【技术实现步骤摘要】

本专利技术涉及计算机视觉及图形学
，特别是提出一种基于稠密特征对应与形态学滤波的真实感人脸图像的表情合成方法。
技术介绍
人脸表情是人类对自身脸部行为姿态的一种主观定义。心理学家研究表明，人脸能够产生大约55,000种不同的表情，其中有30多种是能够用人类自然语言区分的。人脸图像表情变换与合成是计算机视觉以及计算机图形学领域的一个重要研究分支，它在人脸图像的编码和传输、虚拟现实、人机交互、远程视频会议以及电影特技等方面都有着十分广泛的应用。由于表情合成技术涉及到对表情的理解、分类以及表情的生理特征等很多内容，同时还与人脸图像的表达以及建模紧密相关，所以一直是研究的热点。目前人脸表情计算机合成技术主要有以下四类一类是最早由Parke等人提出的基于关键帧(或称之为morphing)的方法，这种方法通过对两种不同的表情下人脸图像进行morphing等插值技术，来生成一系列的两种表情状态下的中间过渡图像。这种方法最大的不足在于需要给出同一个人的两幅不同表情的图像。如果我们只有某个人的一幅图像，要合成此人其他表情下的人脸图像则无能为力。第二类是基于参数的表情合成方法，这类方法包括经典本文档来自技高网...

【技术保护点】
基于稠密特征对应与形态学的人脸表情合成方法，其特征在于，包括以下步骤：１）根据参考图像Ｉ↓［Ａｖｅｒａｇｅ］的特征线对特定人脸的中性表情Ａ、特定表情Ａ′和待变换人脸的中性表情Ｂ进行基于特征线的Ｗａｒｐ变换，变形后的人脸图像称纹理矢量 ，变形前后两图像对应点的位移即构成形状矢量，这样得到三幅图像的矢量化表达分别为（ｓｈｐＡ，ｔｅｘＡ）、（ｓｈｐＡ′，ｔｅｘＡ′）和（ｓｈｐＢ，ｔｅｘＢ），其中ｓｈｐ表示形状矢量，ｔｅｘ表示纹理矢量；２）计算表情变换后的新的形状矢量： ｓｈｐＢ′＝ｓｈｐＢ＋△Ｓｈｐ，其中△Ｓｈｐ＝ｓｈｐＡ′－ｓｈｐＡ；３）计算表情变换比例图：Ｒ＝ｔｅｘＡ...

【技术特征摘要】

【专利技术属性】
技术研发人员：游屈波，刘跃虎，袁泽剑，刘剑毅，郑南宁，杜少毅，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：87[中国|西安]