[发明专利]一种基于改进的引导滤波器的人脸图像图层分解方法

说明书

本发明提供一种基于改进的引导滤波器的人脸图像图层分解方法，对人脸图像亮度通道进行改进型引导滤波，得到人脸结构信息层，进一步差分运算得到纹理细节层。本发明对引导滤波器进行正则化因子自适应调整优化和对参数矩阵图像进行高斯模糊和腐蚀处理，使得人脸图像在不同区域获得不同滤波效果。应用于数字化妆系统，获得优异的图层分解效果，显著降低图层分解的时间复杂度。

技术领域

本发明属于图像处理与人工智能技术领域，特别是涉及一种针对数字化妆应用的改进的引导滤波器的人脸图像图层分解方法。

背景技术

随着数字照片的普及，以及计算机技术和图像处理技术的飞速发展，利用图像处理技术给人脸图像进行数字化妆成为热点研究问题。同时，数字化妆技术在日常生活中有巨大的应用潜力。化妆品电商利用数字化妆为客户提供虚拟试用功能，化妆服务机构利用数字化妆为客户提供最佳化妆方案，人们日常生活中利用数字化妆挑选合适自己的妆容，分享图片到社交网络前利用数字化妆给自己的照片化妆等等。

目前，数字人脸化妆技术的文献为数不多。祝秀萍等人在2008年计算机与信息技术期刊上发表的论文“人脸虚拟化妆系统的研究”中提出建立化妆品颜色和肤色模型，来模拟人脸化妆效果，但只能提供一些美白、唇彩等基本效果，眼影、眼线等效果并不明显。Wai-Shun Tong等人在2007年发表的会议论文“Example-based cosmetic transfer”中提出从同一人脸化妆前和化妆后的人脸图像对中学习出化妆对人脸外观的影响，再将这个影响添加到另外一张人脸中，实现化妆转移效果。这种方法限制较多，因为对每一个想实现的化妆效果都必须要收集同一个人脸几乎相同角度的化妆前后图片，而且要求样本图像和目标图像有相似脸型和表情，甚至需要手动操作使得样本图片和目标图片的眼睛、嘴巴在相同位置，操作复杂，实用程度较低。Dong Guo等人在2009年会议论文“Digital face makeup byexample”中提出基于化妆转移思想的数字人脸化妆技术，但不再需要样本人脸化妆前后的图像对，只需要有化妆后的人脸图像。由于使用薄片扭曲形变算法对准样本人脸和目标人脸图像，因此不要求样本人脸和目标人脸脸型相似，不需担心两个人脸的五官位置对不齐。但是，该算法采用主动形状模型ASM标注特征点，这个算法准确率不够高，很多时候需要用户手动去调整特征点位置。

本发明针对基于样本模板的数字化妆应用，需要将提供妆容的样本图像的妆容信息转移到人脸图像中。要达到转移且仅转移妆容信息的效果，需要把妆容信息从样本图像中分离出来，这就需要用到图层分解技术。图层分解需要构建边缘保留平滑滤波器。本发明提出构建引导滤波器进行人脸图像的图层分解，并根据数字化妆技术的实际需求，提出改进策略，达到更好的数字化妆效果并降低算法复杂度。

发明内容

本发明的目的在于利用计算机处理方法，提供一种数字化妆的人脸图像图层分解方法，构建改进的引导滤波器，对人脸图像亮度通道进行引导滤波获得人脸结构层，在此基础上与其它色相通道融合完成人脸图像妆容信息的分离。本发明获得优秀图层分解效果的同时降低了算法的时间复杂度，显著优化了数字化妆效果。

一种基于改进的引导滤波器的人脸图像图层分解方法，其选择CIELAB颜色空间，将人脸图像分解为亮度通道L*、色相通道a*和色相通道b*，在亮度通道L*上进行改进型引导滤波，得到大尺度信息层，即人脸结构层；亮度通道L*信息减去人脸结构层得到纹理细节信息层；引导滤波器进行改进后，在不同图像区域获得不同滤波效果；a*指“红-绿”轴，b*指“黄-蓝”轴；

所述图层分解方法具体包括如下步骤：

1)进行CIELAB颜色空间转换以分离人脸图像的亮度和色相，即将人脸图像由RGB颜色空间转换到CIELAB空间：第一步进行人脸图像从RGB颜色空间到CIE XYZ空间的线性转换；第二步从XYZ空间进行非线性转换到L*a*b*空间；