CN103295210A - 婴儿图像合成方法及装置 - Google Patents

Abstract

本发明公开了一种婴儿图像合成方法及装置，属于图像处理技术领域。所述合成方法包括：对父亲源图像、母亲源图像和婴儿源图像进行特征点定位，得到各源图像的特征向量；利用标准婴儿模板对各源图像的特征向量进行约束，得到目标婴儿形状；根据目标婴儿形状，对各源图像分别进行变形处理，得到三幅变形图像；对三幅变形图像进行融合，得到目标婴儿图像。在形状合成过程中，采用标准婴儿模板进行约束，可以给父亲和母亲设置较大的融合权重，让婴儿的长相偏向父母亲，同时由于标准婴儿模板所起到的约束作用，抑制了合成婴儿脸型的扭曲和拉伸问题，提高了婴儿照合成的视觉质量。

Description

婴儿图像合成方法及装置

技术领域

本发明涉及图像处理技术领域，更具体地说，涉及一种婴儿图像合成方法及装置。

背景技术

婴儿图像合成技术由于其娱乐性和趣味性，在网络媒体中得到了广泛的应用，目前多款商用软件也支持该功能。如何合成一个长相与父母相似，并且具有高度视觉美感的婴儿图像是一个富有挑战性的问题。婴儿图像合成技术是在给定一张男性图像、一张女性图像和一张原始婴儿图像的基础上，从形状和肤色两个层面上来进行婴儿图像的合成，其涉及到图像变形、图像融合等多方面的知识。

典型的婴儿图像合成技术从形状合成和肤色合成两个角度来完成婴儿图像的合成。对于形状合成，常用的方法是首先利用主动形状模型(ActiveShape Model，以下简称：ASM)技术定位出人脸的特征点来描述人脸的形状，然后对父亲、母亲和婴儿的形状进行直接的线性组合得到合成的目标婴儿形状；对于肤色融合，首先利用基于高斯径向基函数的图像变形方法，根据合成的目标婴儿形状将原始图像变形为目标图像，然后再采用交叉融合的方法进行肤色的融合，最终得到合成的婴儿图像。

然而，成人脸部形状与婴儿的脸部形状存在较大区别，现有技术对父亲、母亲和婴儿的形状进行直接的线性组合得到合成的目标婴儿形状会引起合成的目标婴儿形状出现扭曲、拉伸等问题，不适合合成婴儿这样精细的人脸。另外，现有的人脸融合技术只对五官区域进行融合，忽视了额头区域的重要性，因而导致最终合成的婴儿图像出现肤色不一致和虚影的问题，特别是当父亲图像或母亲图像的头发遮住额头区域时，虚影的问题更加严重。

发明内容

本发明的发明目的是针对现有技术的缺陷，提出一种婴儿图像合成方法及装置，抑制合成的目标婴儿形状出现扭曲、拉伸等问题，提高婴儿图像合成的视觉质量。

根据本发明的一个方面，本发明提供了一种婴儿图像合成方法，包括：

对父亲源图像、母亲源图像和婴儿源图像进行特征点定位，得到各源图像的特征向量；

利用标准婴儿模板对各源图像的特征向量进行约束，得到目标婴儿形状；

根据目标婴儿形状，对各源图像分别进行变形处理，得到父亲变形图像、母亲变形图像和婴儿变形图像；

对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到目标婴儿图像。

进一步的，在所述利用标准婴儿模板对各源图像的特征向量进行约束，得到目标婴儿形状之前还包括：基于统计的方法获取所述标准婴儿模板。

进一步的，在所述对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到婴儿图像之前还包括：

采用主动形状模型定位出所述婴儿变形图像的五官区域；

采用椭圆肤色模型并结合所述婴儿变形图像的五官区域定位出所述婴儿变形图像的额头区域。

进一步的，所述对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到目标婴儿图像包括：

根据所述婴儿变形图像的五官区域和额头区域，获取所述婴儿变形图像的人脸区域；

根据所述婴儿变形图像的人脸区域，截取所述父亲变形图像的人脸区域和所述母亲变形图像的人脸区域；

将父亲变形图像、母亲变形图像和婴儿变形图像的人脸区域进行融合，结合所述婴儿变形图像的背景区域得到所述目标婴儿图像。

进一步的，在所述对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到目标婴儿图像之后还包括：对所述目标婴儿图像的额头区域进行滤波处理；所述目标婴儿图像的额头区域与所述婴儿变形图像的额头区域是相同的区域。

根据本发明的另一方面，本发明提供了一种婴儿图像合成装置，包括：

特征点定位模块，用于对父亲源图像、母亲源图像和婴儿源图像进行特征点定位，得到各源图像的特征向量；

目标婴儿形状获取模块，用于利用标准婴儿模板对各源图像的特征向量进行约束，得到目标婴儿形状；

变形处理模块，用于根据目标婴儿形状，对各源图像分别进行变形处理，得到父亲变形图像、母亲变形图像和婴儿变形图像；

图像融合模块，用于对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到目标婴儿图像。

进一步的，所述装置还包括：标准婴儿模板获取模块，用于基于统计的方法获取所述标准婴儿模板。

进一步的，所述装置还包括：

五官区域定位模块，用于采用主动形状模型定位出所述婴儿变形图像的五官区域；

额头区域定位模块，用于采用椭圆肤色模型并结合所述婴儿变形图像的五官区域定位出所述婴儿变形图像的额头区域。

进一步的，所述图像融合模块包括：

婴儿人脸区域获取单元，用于根据所述婴儿变形图像的五官区域和额头区域，获取所述婴儿变形图像的人脸区域；

父亲和母亲人脸区域获取单元，用于根据所述婴儿变形图像的人脸区域，截取所述父亲变形图像的人脸区域和所述母亲变形图像的人脸区域；

图像融合单元，用于将父亲变形图像、母亲变形图像和婴儿变形图像的人脸区域进行融合，结合所述婴儿变形图像的背景区域得到所述目标婴儿图像。

进一步的，所述装置还包括：滤波模块，用于对所述目标婴儿图像的额头区域进行滤波处理；所述目标婴儿图像的额头区域与所述婴儿变形图像的额头区域是相同的区域。

本发明提供的婴儿图像合成方法及装置从形状和肤色两个角度出发来合成婴儿图像，合成的婴儿图像不仅在形状和肤色上与父母亲相似，而且合成的婴儿图像具有比较高的视觉美感。特别地，在形状合成过程中，采用标准婴儿模板进行约束，可以给父亲和母亲设置较大的融合权重，让婴儿的长相偏向父母亲，同时由于标准婴儿模板所起到的约束作用，抑制了合成婴儿脸型的扭曲和拉伸问题，提高了婴儿照合成的视觉质量。

附图说明

图1为本发明提供的婴儿图像合成方法一实施例的流程图；

图2为本发明提供的婴儿图像合成方法一实施例的示意图；

图3为本发明利用ASM技术进行特征点定位的示意图；

图4为本发明统计得到的标准婴儿模板对应的婴儿脸型示意图；

图5a和5b是本发明通过椭圆肤色模型定位婴儿额头区域的示意图；

图6a和6b为本发明对婴儿图像进行额头滤波前后对比的效果图；

图7为本发明提供的婴儿图像合成装置一实施例的结构示意图。

具体实施方式

下面结合附图及优选实施方式对本发明技术方案进行详细说明。

图1为本发明提供的婴儿图像合成方法一实施例的流程图。如图1所示，该方法包括以下步骤：

步骤101、分别获取父亲、母亲和婴儿的正面图像，作为父亲源图像、母亲源图像和婴儿源图像。

图2为本发明提供的婴儿图像合成方法一实施例的示意图。如图2所示，读入父亲、母亲正面图像各一张，分别作为父亲源图像I_m、母亲源图像I_w，再获取一张婴儿的正面图像作为婴儿源图像I_b。其中，父亲源图像I_m、母亲源图像I_w通常为用户输入的，而婴儿源图像I_b通常为系统从预先建立的婴儿模板库中自动选择的。在读入源图像时，获取用户设定的父亲和母亲的融合比例。如果设定的父亲的融合比例是α，那么母亲的融合比例就是1-α；如果设定的母亲的融合比例是α，那么父亲的融合比例就是1-α。

步骤102、利用ASM技术分别对三幅源图像进行特征点的定位，得到各源图像的特征向量。

图3为本发明利用ASM技术进行特征点定位的示意图。如图3所示，人脸部形状定位为眉毛以下的外脸轮廓(外围的白点所示)以及五官轮廓(内部的白点所示)，外脸轮廓及其内部区域称为五官区域。图中示出的白点即为人脸图像的特征点。一个典型的人脸形状可以由N维特征向量S构成：

S＝(p₁，p₂，...，p_i，...p_N)    (1)

其中，p_i为第i个特征点的像素坐标，1≤i≤N，p_i＝(p_ix，p_iy)^T，p_ix为第i个特征点的横坐标，p_iy为第i个特征点的纵坐标。本实施例中，N具体为81，即在源图像中定位了81个特征点，根据ASM的不同，N可以为其他正整数。特征点的选取和定位已为本领域技术人员所熟知，此处不再赘述。

分别对父亲源图像I_m、母亲源图像I_w和婴儿源图像I_b进行特征点定位，得到的特征向量为S_m，S_w和S_b。在下文中，S_m，S_w和S_b也可分别称为父亲形状、母亲形状和婴儿形状。

进一步的，本实施例还可以对各源图像的特征向量S_m，S_w和S_b分别进行归一化操作，该归一化操作包括平移、缩放和旋转三个部分。

平移操作具体为： $p_i=p_i-\stackrel{\‾}{p},$ $\stackrel{\‾}{p}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{p}_i/N---\left(2\right)$

缩放操作具体为： $p_i=(\frac{p_{\mathrm{ix}}}{\mathrm{Len}\_p_x},\frac{p_{\mathrm{iy}}}{\mathrm{Len}\_p_y})---\left(3\right)$

其中， ${\mathrm{Len}\_p}_x=\underset{1\≤i,j\≤N}{\max }(p_{\mathrm{ix}}-p_{\mathrm{jx}}),$ ${\mathrm{Len}\_p}_y=\underset{1\≤i,j\≤N}{\max }(p_{\mathrm{iy}}-p_{\mathrm{jy}}).$ Len_p_x和Len_p_y分别表示特征点中横向和纵向的最大距离。

旋转操作具体为： $p_i=p_i\·\left(\begin{array}{cc}\cos \mathrm{\θ}& -\sin \mathrm{\θ}\\ \sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right)---\left(4\right)$

其中，

表示两眼连线与水平方向的夹角，左眼坐标为(x_L，y_L)，右眼坐标为(x_R，y_R)。

步骤103、基于统计的方法获取标准婴儿模板。

本实施例收集了100个亚洲面孔的婴儿图像，采用与步骤102相同的方法对这100个婴儿图像进行特征点定位和归一化处理，得到100个特征向量，再对100个特征向量进行统计平均，得到标准婴儿模板

图4为本发明统计得到的标准婴儿模板对应的婴儿脸型示意图。

需要说明的是，本发明对所收集婴儿图像的数量不做限制。

步骤104、利用标准婴儿模板对父亲源图像、母亲源图像和婴儿源图像的特征向量进行约束(即对父亲、母亲和婴儿的形状进行约束)，得到目标婴儿形状S_t。

约束公式如下：

$f\left(S_t\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\β}[\mathrm{\α}{(S_{m_i}-S_{t_i})}^2+(1-\mathrm{\α}){(S_{w_i}-S_{t_i})}^2]+(1-\mathrm{\β}){(S_{b_i}-S_{t_i})}^2+{({\stackrel{\‾}{S}}_i-S_{t_i})}^2---\left(5\right)$

其中，

表示父亲源图像中第i个特征点的坐标，表示母亲源图像中第i个特征点的坐标，

表示婴儿源图像中第i个特征点的坐标，

表示标准婴儿模板中第i个特征点的坐标。

对公式(5)进行整理得到：

$f\left(S_t\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_m{(S_{m_i}-S_{t_i})}^2+{\mathrm{\λ}}_w{(S_{w_i}-S_{t_s})}^2+{\mathrm{\λ}}_b{(S_{b_i}-S_{t_i})}^2+{({\stackrel{\‾}{S}}_i-S_{t_i})}^2---\left(6\right)$

对S_t进行求偏导数，求解得到：

$S_t=\frac{{\mathrm{\λ}}_m{S}_m+{\mathrm{\λ}}_w{S}_w+{\mathrm{\λ}}_b{S}_b+\stackrel{\‾}{S}}{{\mathrm{\λ}}_m+{\mathrm{\λ}}_w+{\mathrm{\λ}}_b+1}---\left(7\right)$

其中，λ_m＝αβ，λ_w＝(1-α)β，λ_b＝1-β。β为形状融合参数，一般可取值在0-1之间，β值越小表示原始婴儿的形状在最终合成的轮廓中所占比重越大。为了使合成的目标婴儿的长相偏向于父母亲的长相，一般将β设置为一个较大的值，例如0.8。

步骤105、根据目标婴儿形状，对父亲源图像、母亲源图像和婴儿源图像分别进行变形处理，得到三幅变形图像。

本实施例以高斯径向基变换函数作为变形函数为例进行说明。基于高斯径向基变换函数的变形算法可以根据人脸原始形状和目标形状的对应关系，将源图像像素点的坐标映射到变形图像的对应的位置。该高斯径向基变换函数的公式如下：

$T\left(p\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_{i}U\left(\right|p-p_i\left|\right)+{\mathrm{Mp}}^T+t---\left(8\right)$

其中，p为源图像的像素的坐标，p_i为源图像的特征点的坐标，c_i，M，t是变形函数的参数。

婴儿原始形状和合成形状之间的对应关系(N个特征点之间的对应关系)决定了仿射变换。在具体实现时，首先通过高斯径向基的基本变形公式求出系数c_i，M，t，再利用公式(8)对父亲源图像、母亲源图像和婴儿源图像进行变形。根据公式(8)，给定某一源图像中任意一个点的空间坐标p，都可以得到对应的目标位置点T(p)，得到了每个点的对应关系，根据后向映射将源图像映射为目标图像。具体地，令

其中，q_j为目标婴儿形状S_t的特征点的坐标，即S_t＝(q₁,q₂，...，q_j，...，q_N)，q_j＝(q_jx，q_jy)^T，1≤j≤N。

仿射变换约束条件为：

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_i=0$ $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_i{p}_i=0$

上述c_i和t是二维列向量，M是二维方阵。为了求得这些参数，定义矩阵W为：

W＝(c₁，c₂，…，c_N，M，t)^T    (9)

定义矩阵V为：

$V={\left(\begin{array}{ccccccc}{q}_{1x}& q_{2x}& ...& q_{\mathrm{Nx}}& 0& 0& 0\\ q_{1y}& q_{2y}& ...& q_{\mathrm{Ny}}& 0& 0& 0\end{array}\right)}^T---\left(10\right)$

定义方阵L为：

其中，

r_ij＝|p_i-p_j|，r_ij表示图像中两个点的距离。

由此求得W为：

W＝L^-1V    (12)

分别采用上述方法，根据目标婴儿形状S_t与父亲形状S_m

的特征点的对应关系，得到父亲源图像的变形函数的参数；根据目标婴儿形状S_t与母亲形状S_w

的特征点的对应关系，得到母亲源图像的变形函数的参数；根据目标婴儿形状S_t与婴儿形状S_b

的特征点的对应关系，得到婴儿源图像的变形函数的参数。

在得到变形函数的参数之后，根据上述公式(8)，给定源图像中任意一个像素点的坐标p，都可以得到对应的目标位置点T(p)，从而将源图像映射为目标图像(即变形图像)。通过本步骤，将父亲源图像I_m处理为父亲变形图像I′_m，将母亲源图像I_w处理为母亲变形图像I′_w，将婴儿源图像I_b处理为婴儿变形图像I′_b。

步骤106、采用ASM技术定位出婴儿变形图像的五官区域，然后再采用椭圆肤色模型并结合婴儿变形图像的五官区域定位出所述婴儿变形图像的额头区域。

由于图像融合只需对婴儿的人脸区域进行融合，所以在图像融合之前需要定位出婴儿的人脸区域。对于一幅正常的人脸图像，人脸区域包括眉毛以下的五官区域和眉毛以上的额头区域。一般可以通过ASM方法定位出五官区域，而无法定位出额头区域。本实施例首先通过ASM方法定位出婴儿变形图像的五官区域，然后采用椭圆肤色模型来定位婴儿变形图像的额头区域。

现有技术提供了一种非线性的椭圆肤色模型，在YC_bC_r空间中，将色度分量C_b和C_r作为亮度分量Y的函数C_b(Y)和C_r(Y)，由此将图像从YC_bC_r空间变换到YC′_bC′_r空间，肤色在YC′_bC′_r空间中聚类形成一个椭圆。

本实施例利用现有技术提供的非线性的椭圆肤色模型对婴儿变形图像进行肤色检测。具体地，将婴儿变形图像的每个像素点的像素值映射到YC′_bC′_r空间得到对应的映射值，通过判断映射值是否在肤色值的范围内来确定该映射值对应的像素点是否属于肤色区域。由于通过ASM方法先定位出了五官区域，在本步骤中，保留五官区域之外的肤色区域，就是额头区域。图5a和5b是本发明通过椭圆肤色模型定位婴儿额头区域的示意图。图5a示出的是婴儿变形图像，图5b示出的是定位出的婴儿额头区域50和五官区域51。

步骤107、对三幅变形图像进行融合，得到目标婴儿图像。

在得到父亲、母亲和婴儿的变形图像之后，接下来要进行三幅变形图像的融合。图像融合可以具体包括以下步骤：

(1)根据婴儿变形图像的五官区域和额头区域，获取婴儿变形图像的人脸区域；

本步骤将五官区域和额头区域合起来即可得到婴儿变形图像的人脸区域。

(2)根据所述婴儿变形图像的人脸区域，截取所述父亲变形图像的人脸区域和所述母亲变形图像的人脸区域；

由于经过变形处理后，婴儿变形图像的人脸区域的位置与父亲变形图像的人脸区域以及母亲变形图像的人脸区域的位置是一致的，故可在父亲变形图像和母亲变形图像中与婴儿变形图像的人脸区域的相同位置截取出各自的人脸区域。

(3)将三幅变形图像的人脸区域进行融合，结合婴儿变形图像的背景区域得到目标婴儿图像。

本步骤只融合三幅变形图像的人脸区域，融合得到的目标婴儿图像直接使用婴儿变形图像的背景。

本实施例可以采用线性的交融技术，也即对变形图像进行线性组合，融合公式如下：

当像素点属于人脸区域时：I_t＝γ(αI′_m+(1-α)I′_w)+(1-γ)I′_b

当像素点不属于人脸区域时：I_t＝I′_b

整理得到：

当像素点属于人脸区域时：I_t＝λ′_mI′_m+λ′_wI′_w+λ′_bI′_b

当像素点不属于人脸区域时：I_t＝I′_b

其中λ′_m＝αγ，λ′_w＝(1-α)γ，λ′_b＝1-γ，γ为肤色融合参数，可取值在0-1之间，γ取值越小表示原始婴儿的肤色在最终合成的婴儿肤色中所占的比重越大，一般可取值为0.2。

步骤108、对目标婴儿图像的额头区域进行滤波，该目标婴儿图像的额头区域与所述婴儿变形图像的额头区域是相同的区域。

在步骤107中进行全局的交叉融合可能会导致合成的目标婴儿图像的额头区域存在各种虚影，这主要是因为在父亲或母亲的额头区域通常存在头发，进行交叉融合时不可避免地将头发融合到目标婴儿图像中，影响了视觉效果。考虑到在交叉融合过程中一般头发所引起的虚影只占额头区域的一小部分，使用一个平滑滤波器就可以滤除这样的虚影。

均衡滤波器是常用的平滑滤波器的一种，它对散落噪声点的滤除有比较好的效果。本实施例采用5*5的均衡滤波器，如下式所示：

$I_t(x,y)=\underset{i=-2}{\overset{2}{\mathrm{\Σ}}}\underset{j=-2}{\overset{2}{\mathrm{\Σ}}}{I}_t(x+i,y+i)---\left(15\right)$

需要说明的是，本步骤只对额头区域的像素点作公式(15)的处理，其他像素点不作处理。图6a和6b为本发明对目标婴儿图像进行额头滤波前后对比的效果图。图6a示出的是滤波前的目标婴儿图像，其中存在虚影60，图6b示出的是滤波后的目标婴儿图像，通过对比可以发现，经过滤波处理后目标婴儿图像的额头区域的虚影得到良好的抑制。

本发明不仅限于采用均值滤波器，还可以采用中值滤波器等其他滤波器对婴儿图像进行滤波，同样也可以去除额头区域存在的虚影现象。

本实施例提供了一种根据父母亲和原始婴儿的图像来合成一幅婴儿图像的方法，具体从形状和肤色两个角度出发来进行合成，合成的婴儿图像不仅在形状和肤色上与父母亲相似，而且合成的婴儿图像具有比较高的视觉美感。特别地，在形状合成过程中，采用标准婴儿模板进行约束，可以给父亲和母亲设置较大的融合权重，让婴儿的长相偏向父母亲，同时由于标准婴儿模板所起到的约束作用，抑制了合成婴儿脸型的扭曲和拉伸问题。进一步的，本实施例采用椭圆肤色模型对婴儿的肤色进行检测，提取出额头区域，再使用均值滤波器去除额头区域的虚影。椭圆肤色模型是一种比较成熟的提取肤色的技术，可以比较方便的用来提取婴儿的肤色区域。均值滤波器是一种平滑滤波器，对滤除散落的噪声点和小块噪声区域有着很好的效果，考虑到一般人的额头区域只是小规模的被头发遮挡，从而导致了合成婴儿图像的额头区域出现虚影现象，因此采用均值滤波器能够去除这种额头区域的虚影现象。

图7为本发明提供的婴儿图像合成装置一实施例的结构示意图。如图7所示，该装置包括：特征点定位模块70、目标婴儿形状获取模块71、变形处理模块72以及图像融合模块73，其中：特征点定位模块70用于对父亲源图像、母亲源图像和婴儿源图像进行特征点定位，得到各源图像的特征向量；目标婴儿形状获取模块71用于利用标准婴儿模板对各源图像的特征向量进行约束，得到目标婴儿形状；变形处理模块72用于根据目标婴儿形状，对各源图像分别进行变形处理，得到父亲变形图像、母亲变形图像和婴儿变形图像；图像融合模块73用于对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到目标婴儿图像。

所述装置还可以包括：标准婴儿模板获取模块74，用于基于统计的方法获取所述标准婴儿模板。

进一步的，所述装置还可以包括：五官区域定位模块75a，用于采用主动形状模型定位出所述婴儿变形图像的五官区域；额头区域定位模块75b，用于采用椭圆肤色模型并结合所述婴儿变形图像的五官区域定位出所述婴儿变形图像的额头区域。

上述图像融合模块73具体包括：婴儿人脸区域获取单元76、父亲和母亲人脸区域获取单元77以及图像融合单元78，其中：婴儿人脸区域获取单元76用于根据所述婴儿变形图像的五官区域和额头区域，获取所述婴儿变形图像的人脸区域；父亲和母亲人脸区域获取单元77用于根据所述婴儿变形图像的人脸区域，截取所述父亲变形图像的人脸区域和所述母亲变形图像的人脸区域；图像融合单元78用于将父亲变形图像、母亲变形图像和婴儿变形图像的人脸区域进行融合，结合所述婴儿变形图像的背景区域得到所述目标婴儿图像。

进一步的，所述装置还包括：滤波模块79，用于对所述目标婴儿图像的额头区域进行滤波处理；所述目标婴儿图像的额头区域与所述婴儿变形图像的额头区域是相同的区域。滤波模块79可以为均值滤波器、中值滤波器或其它滤波器。

本实施例提供了婴儿图像合成装置具体从形状和肤色两个角度出发来合成婴儿图像，合成的婴儿图像不仅在形状和肤色上与父母亲相似，而且合成的婴儿图像具有比较高的视觉美感。特别地，目标婴儿形状获取模块采用标准婴儿模板进行约束，可以给父亲和母亲设置较大的融合权重，让婴儿的长相偏向父母亲，同时由于标准婴儿模板所起到的约束作用，抑制了合成婴儿脸型的扭曲和拉伸问题。进一步的，本实施例的额头区域定位模块采用椭圆肤色模型对婴儿的肤色进行检测，提取出额头区域，滤波模块去除额头区域的虚影。椭圆肤色模型是一种比较成熟的提取肤色的技术，可以比较方便的用来提取婴儿的肤色区域。均值滤波器是一种平滑滤波器，对滤除散落的噪声点和小块噪声区域有着很好的效果，考虑到一般人的额头区域只是小规模的被头发遮挡，从而导致了合成婴儿图像的额头区域出现虚影现象，因此采用均值滤波器能够去除这种额头区域的虚影现象。

最后，需要注意的是：以上列举的仅是本发明的具体实施例子，当然本领域的技术人员可以对本发明进行改动和变型，倘若这些修改和变型属于本发明权利要求及其等同技术的范围之内，均应认为是本发明的保护范围。

Claims (10)

1.一种婴儿图像合成方法，其特征在于，包括：

对父亲源图像、母亲源图像和婴儿源图像进行特征点定位，得到各源图像的特征向量；

利用标准婴儿模板对各源图像的特征向量进行约束，得到目标婴儿形状；

根据目标婴儿形状，对各源图像分别进行变形处理，得到父亲变形图像、母亲变形图像和婴儿变形图像；

对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到目标婴儿图像。

2.根据权利要求1所述的方法，其特征在于，在所述利用标准婴儿模板对各源图像的特征向量进行约束，得到目标婴儿形状之前还包括：基于统计的方法获取所述标准婴儿模板。

3.根据权利要求1所述的方法，其特征在于，在所述对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到婴儿图像之前还包括：

采用主动形状模型定位出所述婴儿变形图像的五官区域；

采用椭圆肤色模型并结合所述婴儿变形图像的五官区域定位出所述婴儿变形图像的额头区域。

4.根据权利要求3所述的方法，其特征在于，所述对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到目标婴儿图像包括：

根据所述婴儿变形图像的五官区域和额头区域，获取所述婴儿变形图像的人脸区域；

根据所述婴儿变形图像的人脸区域，截取所述父亲变形图像的人脸区域和所述母亲变形图像的人脸区域；

将父亲变形图像、母亲变形图像和婴儿变形图像的人脸区域进行融合，结合所述婴儿变形图像的背景区域得到所述目标婴儿图像。

5.根据权利要求3所述的方法，其特征在于，在所述对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到目标婴儿图像之后还包括：对所述目标婴儿图像的额头区域进行滤波处理；所述目标婴儿图像的额头区域与所述婴儿变形图像的额头区域是相同的区域。

6.一种婴儿图像合成装置，其特征在于，包括：

特征点定位模块，用于对父亲源图像、母亲源图像和婴儿源图像进行特征点定位，得到各源图像的特征向量；

目标婴儿形状获取模块，用于利用标准婴儿模板对各源图像的特征向量进行约束，得到目标婴儿形状；

变形处理模块，用于根据目标婴儿形状，对各源图像分别进行变形处理，得到父亲变形图像、母亲变形图像和婴儿变形图像；

图像融合模块，用于对父亲变形图像、母亲变形图像和婴儿变形图像进行融合，得到目标婴儿图像。

7.根据权利要求6所述的装置，其特征在于，还包括：标准婴儿模板获取模块，用于基于统计的方法获取所述标准婴儿模板。

8.根据权利要求6所述的装置，其特征在于，还包括：

五官区域定位模块，用于采用主动形状模型定位出所述婴儿变形图像的五官区域；

额头区域定位模块，用于采用椭圆肤色模型并结合所述婴儿变形图像的五官区域定位出所述婴儿变形图像的额头区域。

9.根据权利要求8所述的装置，其特征在于，所述图像融合模块包括：

婴儿人脸区域获取单元，用于根据所述婴儿变形图像的五官区域和额头区域，获取所述婴儿变形图像的人脸区域；

父亲和母亲人脸区域获取单元，用于根据所述婴儿变形图像的人脸区域，截取所述父亲变形图像的人脸区域和所述母亲变形图像的人脸区域；

图像融合单元，用于将父亲变形图像、母亲变形图像和婴儿变形图像的人脸区域进行融合，结合所述婴儿变形图像的背景区域得到所述目标婴儿图像。

10.根据权利要求8所述的装置，其特征在于，还包括：滤波模块，用于对所述目标婴儿图像的额头区域进行滤波处理；所述目标婴儿图像的额头区域与所述婴儿变形图像的额头区域是相同的区域。

Images