[发明专利]基于卷积神经网络的人脸简笔画生成方法

权利要求书

1.一种基于卷积神经网络的人脸简笔画生成方法，其特征在于：包括以下步骤：

步骤一：初始化I＝{I₁，I₂，……，I_N}为人脸图像集，其中I_i表示人脸图像集合中的第i幅图像，I_i的尺寸为H×W像素，H为图像高度，W为图像宽度，i＝1,2,..,N，N为图像集的大小；

步骤二：构造训练数据集，包括：

(1)对集合I中的全部图像采用双三次插值法实现图像尺寸缩放，得到集合II₁和II₂，其中II₁中每张图像的尺寸为H/2×W/2，II₂中每张图像的尺寸为2H×2W；

(2)构造数据集I'＝{I，II₁，II₂}，手工标记图像集I'对应的简笔画图像，得到相应的标签图，记为Y＝{Y₁,Y₂,...,Y_n}，其中n＝3N；

(3)利用原图像与扰动好的图像构造训练数据集T，T＝{(I'_i,Y_i),i＝1,2,...,n}，其中I'_i为I'中的第i幅图像；

步骤三：使用误差反传梯度下降算法，根据训练数据集T训练卷积神经网络，其中，网络的损失函数采用最小化图像级损失，满足：

L(W,w^(m))＝min(l_side(W,w^(m))) (1)

式(1)中，min()为最小化函数；W表示网络的权重；w^(m)为第m层输出结果对网络整体输出的贡献度，其参数值由网络训练得出；l_side(W,w^(m))为侧输出图的图像级损失；

步骤四：生成人脸简笔画，包括：

(1)任给一幅人脸图像S，将S输入到训练好的卷积神经网络，保存输出图X；

(2)利用形态学方法对X进行去噪，然后利用Canny算子提取去噪之后的图像的边缘，得到人脸简笔画图像；

步骤三所述卷积神经网络满足具有5个阶段卷积，阶段1和阶段2有2个卷积层，阶段3至阶段5均具有3个卷积层；阶段1至4的最后一层卷积层均与1个最大池化层连接；同时，每个阶段卷积层又分别与融合层相连；阶段2至5的融合层后均接有反卷积层；阶段1的融合层以及阶段2至5的反卷积层与连接层相连，实现人脸轮廓提取。