基于总变分模型的人脸重加光方法技术

本发明专利技术公开了一种基于总变分模型的人脸重加光方法，包括以下步骤：(1)建立多输入对数总变分模型；(2)将同一个人的人脸图像系列输入多输入对数总变分模型；(3)多输入对数总变分模型将人脸图像系列分解为反射成分及光照成分；(4)将人脸数据库中的人脸光照图像输入多输入对数总变分模型；(5)多输入对数总变分模型将人脸数据库中的人脸光照图像分解为反射成分及光照成分；(6)根据步骤(3)中的光照成分与步骤(5)中的光照成分合成新的光照成分；(7)将步骤(3)中的反射成分与步骤(6)中生成的光照成分进行合成。本发明专利技术，能够合成极端变化光照下的人脸图像；支持单幅或者多幅图像输入，更加准确地估计光照成分和反射成分。

【技术实现步骤摘要】

本专利技术涉及人脸重加光
，具体地讲，是指一种。
技术介绍
所谓人脸重加光技术，即对输入的人脸图像进行处理，合成用户指定光照条件下的人脸图像。人脸重加光技术在视频监控、媒体处理、数字艺术、公安侦查等领域具有广泛的应用。譬如，在人脸识别系统中，通过对人脸图像进行重加光处理，使得人脸图像具有相同的光照条件，从而提高人脸识别准确率。在图像合成中，可以通过人脸重加光技术来协调人脸与周围场景的光照，从而达到更真实的合成效果。现有的人脸重加光技术主要有以下几类I)基于商图像或者比值图像的方法商图像定义为两个不同人脸在相同姿势且相同光照条件下的商。如果已经知道其中一个人脸α在某光照条件t下的图像Ia,t，则利用两个人脸之间的商图像以及Ia,t来合成另外一个人脸在光照条件t下的图像。2)基于反射成分和光照成分分离的方法根据物理成像原理，一张人脸图像由反射成分和光照成分组成。反射成分主要描述人脸表面反射率；光照成分则描述人脸的光照和阴影信息。如果能有效地估计出图像的反射成分和光照成分，则可以通过调整或者更换光照成分来达到人脸重加光。其中，一般假设不同种光照成分可以构成一个低维线性子空间。3)基于三维人脸模型的方法从人脸图像重构人脸的三维模型，然后根据三维空间模拟光照的方法来进行人脸重加光。4)基于多项式模型的方法通过统计回归，总结出一个多项式函数族来刻画同个人脸在不同光照条件下的图像之间的关联。从而，该多项式模型可以用来直接实现人脸重加光。现有的人脸重加光技术，尚存在很多不足比如，很多方法仅能支持单张输入图像，而单张图像所含信息有限，在进行光照、商图像、反射率等估计的时候，在图像的阴影区域往往会得到错误的估计结果。而基于三维人脸模型的方法要求对同一个人有大量不同姿势下的输入图像，否则很难重构出精准的三维模型。基于多项式模型的方法又难以处理光照变化非常大的情况。
技术实现思路
本专利技术的目的在于提供一种，可以挖掘利用更多的人脸信息来达到更准确的光照和反射率估计，从而能够处理极端变化的光照合成。为实现上述目的，本专利技术所采用的技术方案为一种，其包括以下步骤(I)建立多输入对数总变分模型,用于同时处理同一个人在相同姿势下的单张或者多张图像，且估计出输入图像的光照成分和反射成分；(2)将同一个人的人脸图像系列输入所述的多输入对数总变分模型；(3)所述的多输入对数总变分模型将输入的人脸图像系列分解为反射成分及光照成分；(4)将人脸数据库中的人脸光照图像输入所述的多输入对数总变分模型；(5)所述的多输入对数总变分模型将输入的人脸数据库中的人脸光照图像分解为反射成分及光照成分；(6)根据步骤(3)中的光照成分与步骤(5)中的光照成分合成新的光照成分；(7)将步骤(3)中的反射成分与步骤(6)中的光照成分进行合成。上述的输入对数总变分模型，满足以下条件Ii = R O Li = I, ...,N其中{IJ ,1 = 1,…，N，{IJ为同一个人脸的图像序列；R是该人脸的反射成分；Li是图像Ii的光照成分；Θ表示对应像素值之间的相乘。对上述的输入对数总变分模型的满足条件的公式进行对数变换，得到权利要求1.一种，其特征在于其包括以下步骤(1)建立多输入对数总变分模型，用于同时处理同一个人在相同姿势下的单张或者多张图像，且估计出输入图像的光照成分和反射成分；(2)将同一个人的人脸图像系列输入所述的多输入对数总变分模型；(3)所述的多输入对数总变分模型将输入的人脸图像系列分解为反射成分及光照成分；(4)将人脸数据库中的人脸光照图像输入所述的多输入对数总变分模型；(5)所述的多输入对数总变分模型将输入的人脸数据库中的人脸光照图像分解为反射成分及光照成分；(6)根据步骤(3)中的光照成分与步骤(5)中的光照成分合成新的光照成分；(7)将步骤(3)中的反射成分与步骤(6)中的光照成分进行合成。2.根据权利要求I所述的，其特征在于所述的输入对数总变分模型，满足以下条件Ii = R Θ Li, i = I, ...,N其中UiKi = I,…，N，{1J为同一个人脸的图像序列；R是该人脸的反射成分；Li是图像Ii的光照成分；Θ表示对应像素值之间的相乘。3.根据权利要求2所述的，其特征在于对所述的输入对数总变分模型的满足条件的公式进行对数变换，得到/￡ = Iog(Zi) = logffi 0 Li) = Iog(R)言 log (Li)去 r 十.u:, i = 1，…，N求解以下优化模型可以得到V和Ui :4.根据权利要求3所述的，其特征在于所述的输入对数总变分模型的求解方法，其包括以下步骤使用交替方向乘子法求解其中，k代表第k步迭代；U，/和P分别是Ui, fi和Pi的均值；wi，Pi和qi为迭代临时变量；D是图像梯度的前向差分逼近；D’是D的转置矩阵；α是增强拉格朗日系数令s =.,贝ij有邮十4 P"·〃其中E是图像二阶导数的离散逼近矩阵，[O otherwise ，[ O otherwise ，利用上述的公式进行迭代运算，迭代结束后，得到的W〗和Vk便为所述的估化模型中Ui和V的求解结果,进而可以根据公式R = exp (V), Li = exp (Ui), i = I, ···, N得到R和Lit全文摘要本专利技术公开了一种，包括以下步骤(1)建立多输入对数总变分模型；(2)将同一个人的人脸图像系列输入多输入对数总变分模型；(3)多输入对数总变分模型将人脸图像系列分解为反射成分及光照成分；(4)将人脸数据库中的人脸光照图像输入多输入对数总变分模型；(5)多输入对数总变分模型将人脸数据库中的人脸光照图像分解为反射成分及光照成分；(6)根据步骤(3)中的光照成分与步骤(5)中的光照成分合成新的光照成分；(7)将步骤(3)中的反射成分与步骤(6)中生成的光照成分进行合成。本专利技术，能够合成极端变化光照下的人脸图像；支持单幅或者多幅图像输入，更加准确地估计光照成分和反射成分。文档编号G06T5/50GK102938144SQ201210390050公开日2013年2月20日 申请日期2012年10月15日 优先权日2012年10月15日专利技术者谢晓华, 陈宝权, 龚文勇, 汪云海 申请人:深圳先进技术研究院本文档来自技高网...

【技术保护点】
一种基于总变分模型的人脸重加光方法，其特征在于：其包括以下步骤：(1)建立多输入对数总变分模型，用于同时处理同一个人在相同姿势下的单张或者多张图像，且估计出输入图像的光照成分和反射成分；(2)将同一个人的人脸图像系列输入所述的多输入对数总变分模型；(3)所述的多输入对数总变分模型将输入的人脸图像系列分解为反射成分及光照成分；(4)将人脸数据库中的人脸光照图像输入所述的多输入对数总变分模型；(5)所述的多输入对数总变分模型将输入的人脸数据库中的人脸光照图像分解为反射成分及光照成分；(6)根据步骤(3)中的光照成分与步骤(5)中的光照成分合成新的光照成分；(7)将步骤(3)中的反射成分与步骤(6)中的光照成分进行合成。

【技术特征摘要】

【专利技术属性】
技术研发人员：谢晓华，陈宝权，龚文勇，汪云海，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：