[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

摘要

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。

主权项

1.一种基于改进的引导滤波器的人脸图像图层分解方法，其特征在于选择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；2)利用引导滤波器获得人脸图像结构层，针对人脸图像数字化妆技术对引导滤波器进行改进，即考虑到人脸不同区域采取完全不同的化妆策略，自适应地调节滤波窗口半径r和正则化因子ε，使滤波窗口在人脸不同区域获得不同程度的平滑和边缘保留效果；具体操作如下：首先定义引导图像I，输入图像p和输出图像q，I和p为输入数据，再定义一个涉及引导图像I、输入待滤波图像p和输出图像q的线性滤波过程，即：式中，i和j是像素位置索引，Wij表示像素位置索引ij对应的滤波核函数值，W是由引导图像I和输入图像p共同决定的滤波核函数；pj,qi表示待滤波图像p和输出图像q在位置索引ij的像素值；假定引导图像I与滤波输出图像q在局部区域内存在一个线性模型，即在局部区域滤波输出图像q的像素值可以由引导图像I在对应位置的像素值的线性变换获得，即：q_i＝a_kI_i+b_k,式中，ω_k代表以像素k为中心的滤波窗口，a_k和b_k是线性因子，其数值与其所在的滤波窗口ω_k有关；引导滤波器采用的滤波窗口是半径为r的方形窗；式q_i＝a_kI_i+b_k对空间进行求导可得由此知，式q_i＝a_kI_i+b_k定义的局部线性模型，确保了当且仅当引导图像I中含有边缘的时候，输出图像q有边缘；通过最小化输入待滤波图像与输出图像直接的差异求模型中的线性因子，即使得的值最小，将式q_i＝a_kI_i+b_k代入得：式中，ε是为了避免参数a_k的取值太大而引入的正则化因子，其取值根据应用调节；最小化得：其中，μ_k和σ_k²分别代表引导图像I在窗口ω_k中所有像素的均值和方差，|ω|代表窗口ω_k中的像素点的数量，代表输入的待滤波图像p在窗口ω_k中所有像素值的均值；鉴于所述局部线性模型会逐像素运用到整张输入待滤波图像中，所以图像中的每个像素都可能被包含在多个局部窗口中，而不同窗口的线性因子a_k和b_k的值不一样，因此可以由式q_i＝a_kI_i+b_k计算出来多个不同的q_i值，也就是说输出图像的同一个像素位置可能会有多个不同的值，因此采取所有可能q_i值取平均值的策略，作为最后的输出像素值，把和代入到q_i＝a_kI_i+b_k中，并对多个窗口取平均，求得其中，真实化妆情况下，人脸不同区域采取不同化妆策略，对引导滤波器进行改进，通过控制r或者ε的大小来控制不同人脸区域的平滑程度和边缘保持效果；将正则化因子ε改为与像素位置有关的可变参数β，β的作用是将人脸图像区分为脸部皮肤、眉毛和其他人脸区域三个部分；直接对这三个区域的β参数取不同的值，分别为β_i∈皮肤＝1，β_i∈眉毛＝0.7，β_i∈其他＝0，同时，差异化β参数的矩阵图像在不同人脸区域之间不能平滑过渡，得出的数字化妆效果在各个区域边界可能会出现瑕疵，因此对β矩阵进行模糊和腐蚀处理，使得它在其值调低到使数字化妆区域有边界扩张现象，以满足在不同的人脸区域之间平滑过渡的要求，同时确保图像边界的锐度；具体是引入β参数，替换式中的固定参数ε，则可得到：最小化可得：其中，为β_i在窗口ω_k中的均值，这样就获得了平滑度可以根据基于位置的参数变化的引导滤波器；3)将滤波输出后的图层和CIELAB通道进行融合，完成人脸图像的细节层、结构层和色相层分解：首先，用改进的引导滤波器从亮度通道L*中分离出结构层，亮度通道L*信息减去人脸图像的结构层，得到纹理细节信息层，最后，将两个颜色通道a*和b*合并成为色相层。