[发明专利]基于高级特征的人脸修复方法

权利要求书

1.一种基于高级特征的人脸修复方法，其特征在于，包括：

获取破损人脸图像；

将所述破损人脸图像输出为两个呈轴对称的图像矩阵；

在每个所述图像矩阵中确定破损区域；

检测与所述破损区域相对称的区域是否破损；

如果检测到与所述破损区域相对称的区域破损，提取所述破损人脸图像的高级特征，其中，所述高级特征为人脸图像所对应的人的特征；

获取参考数据集，其中，所述参考数据集包括多个人脸图像的数据，每个所述人脸图像的数据包括人脸图像和所述高级特征；

从所述参考数据集中获取与所述破损人脸图像的高级特征相同的人脸图像，作为参考人脸图像；

根据所述参考数据集中的人脸图像模拟得到模拟人脸图像；

在所述模拟人脸图像中提取所述破损区域对应的数据，得到初始修复数据；

根据所述参考人脸图像以及所述破损人脸图像对所述初始修复数据进行优化，得到修复数据；

采用所述修复数据对所述破损人脸图像进行修复，生成修复完成的人脸图像；

其中，所述根据所述参考人脸图像以及所述破损人脸图像对所述初始修复数据进行优化，得到修复数据的步骤，包括：

根据所述初始修复数据使用最优编码公式中的纹理损失函数提取所述破损人脸图像中未破损区域的纹理信息；

使用最优编码公式中的内容损失函数提取所述参考人脸图像的内容信息，结合所述未破损区域的纹理信息、所述内容信息以及初始修复数据得到最优编码，通过所述最优编码得到修复数据；

所述最优编码公式为：为最优编码，z为所述模拟人脸图像的图像值，L(z)为包括所述纹理损失函数与所述内容损失函数的总损失函数；

所述内容损失函数：

其中，代表参考人脸图像，代表初始修复数据，l代表参考人脸图像的层数，[i，j]代表人脸参考图像中位于第i行、第j列处的像素，R^l代表参考人脸图像在第l层的特征代表，F^l代表初始修复数据在第l层的特征代表；R、其中为向量，N_l×M_l为向量的维度，N_l代表第l层的特征矩阵的数量，M_l代表第l层的特征矩阵的高×宽；

所述纹理损失函数：

其中，代表破损人脸图像，代表生成的图片，L代表破损人脸图像的层数，w_ij代表[i，j]像素处的权重，B^l代表破损人脸图像在第l层特征矩阵的格雷姆矩阵，G^l代表初始修复数据在第l层特征矩阵的格雷姆矩阵，其中N_l代表第l层的特征矩阵的数量，M_l代表第l层的特征矩阵的高×宽；格雷姆矩阵用于获取当前l层中不同特征矩阵的特征相关性。

2.根据权利要求1所述的基于高级特征的人脸修复方法，其特征在于，如果检测到与所述破损区域相对称的区域未破损，则通过对称算法对所述破损人脸图像进行修复；

所述对称算法为：v＝R(u)；

其中，所述v为损坏像素点，R为映射规则，u为映射参考点。

3.根据权利要求1或2所述的基于高级特征的人脸修复方法，其特征在于，所述高级特征包括：肤色、表情和年龄。

4.根据权利要求3所述的基于高级特征的人脸修复方法，其特征在于，所述表情包括以下任意一种或多种：

生气、厌恶、恐惧、开心、悲伤、惊讶和正常。

5.根据权利要求4所述的基于高级特征的人脸修复方法，其特征在于，所述高级特征还包括：性别。

6.根据权利要求5所述的基于高级特征的人脸修复方法，其特征在于，提取所述破损人脸图像的高级特征的步骤具体包括：

对所述破损人脸图像的RGB进行均值偏移聚类计算，丢弃所述破损人脸图像中因强光或照明引起的异常值，进行K-Means聚类算法计算，计算得到的簇群中心值为肤色；

分别训练单独的线性SVM分类器，以分别对年龄、性别以及表情进行提取，得到所述破损人脸图像的高级特征。