[发明专利]一种基于图像语义分割的虚拟头发染色方法

权利要求书

1.一种基于图像语义分割的虚拟头发染色方法，其特征在于，包括：

S11：对收集的数据集进行头发标注，获得多发型多状态下的头发标注样本；将头发标注样本代入预先建立的数据增强算法，得到数据增强后的数据集；

S12：基于图像语义分割网络训练S11得到的所述数据集，得到深度学习模型；通过所述深度学习模型识别输入图像的头发区域，进行语义分割；

S13：对图像的头发区域进行归一化处理，得到归一化后的图像；将归一化后的图像进行颜色通道分离，完成头发染色，得到头发染色后的染色图像。

2.根据权利要求1所述的基于图像语义分割的虚拟头发染色方法，其特征在于，所述S11具体包括：

S111：收集多张包含头发的人像图像，归类为多种发型类别，每种发型多张图片，设置人像图像为统一大小，并对人像图像进行抠图得到头发的二值区域掩膜；

S112：采用预设的数据增强算法，对训练数据集随机进行变换以完成图像增强操作扩充数据样例。

3.根据权利要求1所述的基于图像语义分割的虚拟头发染色方法，其特征在于，所述S12具体包括：

S121：使用基于U-net网络的图像语义分割网络训练所述步骤S11得到的数据集，调整初始化网络的权值阈值，得到梯度下降稳定、损失函数降到预期值、拟合度达到要求的深度学习模型；

S122：通过所述深度学习模型提取输入图像的特征，识别输入图像的头发区域，并进行语义分割，得到分割后的头发区域的掩膜图；将掩膜转为二值化图像，变换规则：若该点像素值小于0.5则该点像素值为1，若该点像素值大于1则该点像素值为0。

4.根据权利要求3所述的基于图像语义分割的虚拟头发染色方法，其特征在于，所述S121中的U-net网络还包括：

增加网络提取图像头发特征的语义信息，将输入通道改为三通道，分别对应输入图像的不同颜色通道，使输入信息增加，更利于头发特征的提取；

增加上采样卷积层，提高网络通过头发特征还原图像掩膜的能力，增加卷积残差长度；

在U-net网络的基础上添加密集连接，由此缓解梯度消失问题，且加强特征复用，提升网络性能从而提高头发分割的准确率。

5.根据权利要求1所述的基于图像语义分割的虚拟头发染色方法，其特征在于，所述S13具体为：对头发区域图像进行归一化处理，得到归一化后的图像；将归一化后的图像进行HSV空间域下的颜色通道分离，完成头发染色，得到头发染色后的染色图像。

6.根据权利要求5所述的基于图像语义分割的虚拟头发染色方法，其特征在于，所述S13具体包括：

S131：将分割出来的头发区域的二值化掩膜图与原图进行对应像素与运算，得到原图中的头发区域；对头发区域图像进行标准的处理变换，使(0，255)之间的值变换为(0，1)之间的像素值；

S132：输入图像采用RGB颜色空间，利用HSV和RGB颜色空间上的转化公式，得到在HSV颜色空间域下的头发区域图像；

v＝max

上式中，(r，g，b)为一个颜色的红、绿和蓝坐标，它们的值为0到1之间的实数，max为r、g和b中的最大者，min为这些值中的最小者，在HSV空间的(h，s，v)值中，h为角度的色相角，s为饱和度，v为亮度；

S133：在HSV空间域下，保留HSV颜色空间域下的头发图像的V亮度，将染发的目标颜色变换到HSV空间域，取目标颜色的的H色相角，S饱和度重新组成新的HSV，最终得到染色后的在HSV颜色空间域下的头发图像，然后通过HSV和RGB的转换公式，得到RGB颜色空间域下的初步染色图像；

p＝v×(1-s)

q＝v×(1-f-s)

t＝v×(1-(1-f)×s)

对于每个颜色向量(r，g，b)，

S134：初步染色图像与背景进行匹配，得到头发染色后的染色图像，匹配规则如下：

若头发区域的二值化掩膜图的该点像素值为0，则取染色头发图片对应的像素值；若头发头发区域的二值化掩膜图的该点像素值为1，则取原图对应的像素值，最终合成头发染色后的染色图像。