CN103295211B - 婴儿图像合成方法及装置 - Google Patents
婴儿图像合成方法及装置 Download PDFInfo
- Publication number
- CN103295211B CN103295211B CN201210052235.6A CN201210052235A CN103295211B CN 103295211 B CN103295211 B CN 103295211B CN 201210052235 A CN201210052235 A CN 201210052235A CN 103295211 B CN103295211 B CN 103295211B
- Authority
- CN
- China
- Prior art keywords
- source images
- area
- baby
- shape
- deformation pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
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形状合成,得到目标婴儿形状;根据目标婴儿形状与每幅源图像的特征点的对应关系,得到每幅源图像的变形函数的参数;利用各自的变形函数对每幅源图像所包括的不同区域进行不同的变形处理,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。本发明提供的婴儿图像合成方法及装置能够保证五官区域的平滑性,避免了在人脸五官区域以外的区域变形中存在的拉伸和边界不稳定的问题,提高了婴儿图像合成的视觉质量。
Description
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
婴儿照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(ActiveShapeModel,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。
现有技术提供的图像变形方法基于高斯径向基函数对原始图像进行变形处理,能够保证图像变形后的平滑性,对一般的图像具有良好的效果。然而,对于婴儿图像的合成,由于成人脸型和婴儿脸型的差异,导致在特征点之外区域的变形容易有拉伸和边界不稳定(如边界扭曲)的问题,严重影响了婴儿图像合成的视觉质量。
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,避免在人脸五官区域以外的区域变形中存在的拉伸和边界不稳定的问题,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形状合成,得到目标婴儿形状;
根据目标婴儿形状与每幅源图像的特征点的对应关系,得到每幅源图像的变形函数的参数;
利用各自的变形函数对每幅源图像所包括的不同区域进行不同的变形处理,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,所述每幅源图像所包括的区域包括:至少包含五官区域的第一区域、至少包含额头区域的第二区域以及源图像中除了第一区域和第二区域以外的第三区域。
进一步的,所述变形函数为双层仿射变换的高斯径向基函数。
进一步的,所述变形函数具体为:
其中,p为源图像的像素的坐标,pi为源图像的特征点的坐标,1≤i≤N,N为特征点的个数;A(p)=MpT+t,A(p)是现有的仿射变换;B(p)=p,B(p)是单位仿射变换;ci,M,t是变形函数的参数;F(p)是一个低通滤波器,控制两个仿射变换的重要性,进一步的,
r=|p-p0|
p0为所述第一区域的圆心坐标,r0为所述第一区域的半径,r1为所述第一区域和第二区域的合并区域的半径,所述第一区域为圆形区域,所述第一区域和第二区域的合并区域为圆形区域。
进一步的,所述根据目标婴儿形状与每幅源图像的特征点的对应关系,得到每幅源图像的变形函数的参数具体为:
在F(p)=1的情况下,令 由此得到变形函数的参数ci,M,t;其中,qj为目标婴儿形状的特征点的坐标,1≤j≤N。
进一步的,所述特征点根据主动形状模型定位。
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:
形状合成模块,用于对父亲源图像、母亲源图像和婴儿源图像进行形状合成,得到目标婴儿形状;
参数获取模块,用于根据目标婴儿形状与每幅源图像的特征点的对应关系,得到每幅源图像的变形函数的参数;
变形处理模块,用于利用各自的变形函数对每幅源图像所包括的不同区域进行不同的变形处理,得到父亲变形图像、母亲变形图像和婴儿变形图像;
融合处理模块,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,所述变形处理模块具体用于利用各自的变形函数对每幅源图像所包括的至少包含五官区域的第一区域、至少包含额头区域的第二区域以及源图像中除了第一区域和第二区域以外的第三区域进行不同的变形处理,得到父亲变形图像、母亲变形图像和婴儿变形图像。
进一步的,所述变形处理模块具体用于利用各自的双层仿射变换的高斯径向基函数对每幅源图像所包括的不同区域进行不同的变形处理,得到父亲变形图像、母亲变形图像和婴儿变形图像。
进一步的,所述变形处理模块具体用于利用如下变形函数对每幅源图像所包括的不同区域进行不同的变形处理:
其中,p为源图像的像素的坐标,pi为源图像的特征点的坐标,1≤i≤N,N为特征点的个数;A(p)=MpT+t,A(p)是现有的仿射变换;B(p)=p,B(p)是单位仿射变换;ci,M,t是变形函数的参数;F(p)是一个低通滤波器,控制两个仿射变换的重要性,进一步的,
r=|p-p0|
p0为所述第一区域的圆心坐标,r0为所述第一区域的半径,r1为所述第一区域和第二区域的合并区域的半径,所述第一区域为圆形区域,所述第一区域和第二区域的合并区域为圆形区域。
进一步的,所述参数获取模块具体用于在F(p)=1的情况下,令 由此得到变形函数的参数ci,M,t;其中,qj为目标婴儿形状的特征点的坐标,1≤j≤N。
进一步的,所述形状合成模块具体用于根据主动形状模型定位特征点,对父亲源图像、母亲源图像和婴儿源图像进行形状合成,得到目标婴儿形状。
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,在进行肤色的融合时本发明所采用的变形函数与现有技术不同,它可以对源图像所包括的不同区域进行不同的变形处理,能够保证五官区域的平滑性,避免了在人脸五官区域以外的区域变形中存在的拉伸和边界不稳定的问题,提高了婴儿图像合成的视觉质量。
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为本发明源图像划分区域的示意图;
图5a-5c为采用现有技术提供的方法和本发明提供的方法对婴儿源图像进行变形处理的效果对比图;
图6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Im、母亲源图像Iw,在获取一张婴儿的正面图像作为婴儿源图像Ib。其中,父亲源图像Im、母亲源图像Iw通常为用户输入的,而婴儿源图像Ib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技术分别对父亲源图像、母亲源图像和婴儿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(ActiveShapeModel主动形状模型)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,...,pi,...pN)(1)
其中,pi为第i个特征点的像素坐标,1≤i≤N,pi=(pix,piy)T,pix为第i个特征点的横坐标,piy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Im、母亲源图像Iw和婴儿源图像Ib进行特征点定位,得到的特征向量为Sm,Sw和Sb。在下文中,Sm,Sw和Sb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Sm,Sw和Sb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:
缩放操作具体为:
其中, Len_px和Len_py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:
其中,表示两眼连线与水平方向的夹角,左眼坐标为(xL,yL),右眼坐标为(xR,yR)。
步骤103、建立能量最小化函数对父亲源图像、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St。
约束公式,即能量最小化函数如下:
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。
对公式(5)进行整理得到:
对St进行求偏导数,求解得到:
St=λmSm+λwSw+λbSb(7)
其中,λm=αβ,λw=(1-α)β,λb=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104、根据目标婴儿形状与父亲源图像、母亲源图像和婴儿源图像的特征点的对应关系,得到每幅源图像的变形函数的参数;所述变形函数为双层仿射变换的高斯径向基函数。
在利用高斯径向基函数进行特征点变换的过程中,变形函数由径向基变换函数和仿射变换函数两部分来确定,其中径向基变换函数具体为:
仿射变换函数具体为:
g(p)=MpT+t(9)
现有的图像变形方法所采用的变形函数就是上述径向基变换函数和仿射变换函数之和。对于人脸五官区域(也就是特征点包围的部分)的变形,径向基变换函数和仿射变换函数同时起到约束作用,一般能够保证五官区域很好的对齐。对于五官区域之外的区域的变形,由于径向基变换函数会朝外逐步衰减,因而离五官区域越远的点,径向基变换函数会逐步失去作用,而基本上由仿射变换函数来决定。为了使五官区域之外的区域也能呈现良好的视觉效果,所采用的变形函数的要求应如下:
(1)需要保证五官区域的平滑性,而且需要保证原有的变形函数处理后的视觉效果,能够最小化脸部区域的扭曲;
(2)对于五官区域之外的额头区域,应该避免出现拉伸、扭曲等问题,而且在五官区域边界处的变形需要保证良好的过渡性;对于图像边界,需要保证其稳定性。
为了满足上述要求,本实施例采用的变形函数为双层仿射变换的高斯径向基函数,如下式所示:
其中,p为源图像的像素的坐标,pi为源图像的特征点的坐标,A(p)=MpT+t,A(p)是现有的仿射变换;B(p)=p,B(p)是一个单位仿射变换;ci,M,t是变形函数的参数;F(p)是一个低通滤波器,控制两个仿射变换的重要性。
设源图像包括第一区域、第二区域和第三区域,其中第一区域为至少包含五官区域的区域,第二区域为至少包含额头区域的区域,第三区域是除了第一区域和第二区域以外的区域。图4为本发明源图像划分区域的示意图。如图4所示,第一区域40为圆形区域,该区域至少包含五官区域;第二区域41为圆环区域,该区域与第一区域40的合并区域为圆形区域,第二区域41至少包含额头区域;第三区域42是除了第一区域40和第二区域41以外的区域。
上述公式(10)中的F(p)是根据源图像的区域划分方式而设计的低通滤波器,用于控制两个仿射变换的重要性,如下式所示:
其中r=|p-p0|
p0为第一区域的圆心坐标,r0为第一区域的半径,r1为第一区域和第二区域的合并区域的半径。r0通过计算N个特征点到圆心p0的距离,取距离最大的一个作为半径。
本实施例所采用的变形函数在包含五官区域的第一区域(r≤r0)仍是原有的变形函数,在包含额头区域的第二区域(r0<r≤r)由原有的径向基变换函数、仿射变换函数和新的变换函数共同确定,并且保持良好的过渡性,在离五官区域更远的第三区域(r>r1)主要由新的变换函数确定。所谓新的变换函数主要是由单位仿射变换函数B(p)来确定。
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,在F(p)=1的情况下先通过高斯径向基的基本变形公式求出系数ci,M,t,再利用公式(10)对父亲源图像和母亲源图像进行变形。根据公式(10),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,qj为目标婴儿形状St的特征点的坐标,即St=(q1,q2,...,qj,...,qN),qj=(qjx,qjy)T,1≤j≤N。
仿射变换约束条件为:
上述ci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,…,cN,M,t)T(12)
定义矩阵V为:
定义方阵L为:
其中,rij=|pi-pj|rij表示图像中两个点的距离。
由此求得W为:
W=L-1V(15)
分别采用上述方法,根据目标婴儿形状St与父亲形状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St与母亲形状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St与婴儿形状的特征点的对应关系,得到婴儿源图像的变形函数的参数。
步骤105、分别利用各自的变形函数对每幅源图像所包括的不同区域进行不同的变形处理,得到父亲变形图像、母亲变形图像和婴儿变形图像。
在得到变形函数的参数之后,根据上述公式(10),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。通过本步骤,将父亲源图像Im处理为父亲变形图像I′m,将母亲源图像Iw处理为母亲变形图像I′w,将婴儿源图像Ib处理为婴儿变形图像I′b。由于在不同的区域内,变形函数是不同的,所以本实施例实现了对源图像所包括的不同区域进行不同的变形处理。
图5a-5c为采用现有技术提供的方法和本发明提供的方法对婴儿源图像进行变形处理的效果对比图。图5a示出的是婴儿源图像,图5b示出的是采用现有技术提供的方法对婴儿源图像进行变形处理得到的变形图像,图5c示出的是采用本发明提供的方法对婴儿源图像进行变形处理得到的变形图像。从图中可以看出来,图5b中整个眉毛以上的长度大于图5a中原始婴儿该区域的长度(以额头区域的虚线作为判断标准),而且图5b的左右边界均产生了扭曲(图中黑色部分所示)。图5c所示的图像保证了额头及额头以上部分的变形与源图像一致,没有出现拉伸问题,而且也避免了边界的扭曲问题。
步骤106、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。
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包括:父亲变形图像、母亲变形图像和婴儿变形图像的融合。在一般情况下,三幅变形图像除了人脸区域之外的背景区域不相同,所以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:It=γ(αI′m+(1-α)I′w)+(1-γ)I′b
当像素点不属于人脸区域时:It=I′b
整理得到:
当像素点属于人脸区域时:It=λ′mI′m+λ′wI′w+λ′bI′b
当像素点不属于人脸区域时:It=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。
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,在进行肤色的融合时本实施例所采用的变形函数与现有技术不同,它可以对源图像所包括的不同区域进行不同的变形处理,具体地说,在包含五官区域的第一区域,变形函数与现有的相同,能够保证五官区域的平滑性,而且保证原有的变形函数处理后的视觉效果,能够最小化脸部区域的扭曲;在包含额头区域的第二区域,变形函数由原有的径向基变换函数、仿射变换函数和新的变换函数共同确定,而新的变换函数主要是由单位仿射变换函数来确定,采用该变形函数能够避免出现拉伸的问题,并在五官边界处保持良好的过渡性;在第三区域,变形函数主要由单位仿射变换函数来确定,单位仿射变换可以保证源图像的像素点映射到变形图像的同一位置,从而避免边界的扭曲问题。
需要说明的是,上述采用公式(10)作为变形函数的实施例仅为本发明的一个具体的例子,本发明不仅限于此,对上述变形函数进行简单的变型仍起到相同作用的方案均属于本发明所要保护的范围。
由于径向基函数是一大类函数,高斯径向基函数只是其中的一种,除此之外还包括多项式函数、对数函数等,本发明提供的方法也适用于其他径向基函数。
图6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6所示,该装置包括:形状合成模块60、参数获取模块61、变形处理模块62以及融合处理模块63。其中,形状合成模块60用于对父亲源图像、母亲源图像和婴儿源图像进行形状合成,得到目标婴儿形状;参数获取模块61用于根据目标婴儿形状与每幅源图像的特征点的对应关系,得到每幅源图像的变形函数的参数;变形处理模块62用于利用各自的变形函数对每幅源图像所包括的不同区域进行不同的变形处理,得到父亲变形图像、母亲变形图像和婴儿变形图像;融合处理模块63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。
优选地,上述变形处理模块62具体用于利用各自的变形函数对每幅源图像所包括的至少包含五官区域的第一区域、至少包含额头区域的第二区域以及源图像中除了第一区域和第二区域以外的第三区域进行不同的变形处理,得到三幅变形图像,包括:父亲变形图像、母亲变形图像和婴儿变形图像。
进一步的,上述变形处理模块62具体用于利用各自的双层仿射变换的高斯径向基函数对每幅源图像所包括的不同区域进行不同的变形处理,得到父亲变形图像、母亲变形图像和婴儿变形图像。
优选地,上述变形处理模块62具体用于利用如下变形函数对每幅源图像所包括的不同区域进行不同的变形处理:
其中,p为源图像的像素的坐标,pi为源图像的特征点的坐标,1≤i≤N,N为特征点的个数;A(p)=MpT+t,A(p)是现有的仿射变换;B(p)=p,B(p)是单位仿射变换;ci,M,t是变形函数的参数;F(p)是一个低通滤波器,控制两个仿射变换的重要性,进一步的,
r=|p-p0|
p0为所述第一区域的圆心坐标,r0为所述第一区域的半径,r1为所述第一区域和第二区域的合并区域的半径,所述第一区域为圆形区域,所述第一区域和第二区域的合并区域为圆形区域。
上述参数获取模块61具体用于在F(p)=1的情况下,令 由此得到变形函数的参数ci,M,t;其中,qj为目标婴儿形状的特征点的坐标,1≤j≤N。
进一步的,上述形状合成模块60具体用于根据主动形状模型定位特征点,对父亲源图像、母亲源图像和婴儿源图像进行形状合成,得到目标婴儿形状。
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,在进行肤色的融合时本实施例中变形处理模块所采用的变形函数与现有技术不同,它可以对源图像所包括的不同区域进行不同的变形处理,具体地说,在包含五官区域的第一区域,变形函数与现有的相同,能够保证五官区域的平滑性,而且保证原有的变形函数处理后的视觉效果,能够最小化脸部区域的扭曲;在包含额头区域的第二区域,变形函数由原有的径向基变换函数、仿射变换函数和新的变换函数共同确定,而新的变换函数主要是由单位仿射变换函数来确定,采用该变形函数能够避免出现拉伸的问题,并在五官边界处保持良好的过渡性;在第三区域,变形函数主要由单位仿射变换函数来确定,单位仿射变换可以保证源图像的像素点映射到变形图像的同一位置,从而避免边界的扭曲问题。
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 (6)
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形状合成,得到目标婴儿形状;
根据目标婴儿形状与每幅源图像的特征点的对应关系,得到每幅源图像的变形函数的参数;
利用各自的变形函数对每幅源图像所包括的不同区域进行不同的变形处理,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;
其中,所述每幅源图像所包括的区域包括:包含五官区域的第一区域、第一区域以外且包含额头区域的第二区域以及源图像中除了第一区域和第二区域以外的第三区域;
所述变形函数为双层仿射变换的高斯径向基函数;
所述变形函数具体为:
其中,p为源图像的像素的坐标,pi为源图像的特征点的坐标,1≤i≤N,N为特征点的个数;A(p)=MpT+t,A(p)是现有的仿射变换;B(p)=p,B(p)是单位仿射变换;ci,M,t是变形函数的参数;F(p)是一个低通滤波器,控制两个仿射变换的重要性,进一步的,
r=|p-p0|
p0为所述第一区域的圆心坐标,r0为所述第一区域的半径,r1为所述第一区域和第二区域的合并区域的半径,所述第一区域为圆形区域,所述第二区域为圆环区域,所述第一区域和第二区域的合并区域为圆形区域。
2.根据权利要求1所述的方法,其特征在于,所述根据目标婴儿形状与每幅源图像的特征点的对应关系,得到每幅源图像的变形函数的参数具体为:
在F(p)=1的情况下,令 由此得到变形函数的参数ci,M,t;其中,qj为目标婴儿形状的特征点的坐标,1≤j≤N。
3.根据权利要求1或2所述的方法,其特征在于,所述特征点根据主动形状模型定位。
4.一种婴儿图像合成装置,其特征在于,包括:
形状合成模块,用于对父亲源图像、母亲源图像和婴儿源图像进行形状合成,得到目标婴儿形状;
参数获取模块,用于根据目标婴儿形状与每幅源图像的特征点的对应关系,得到每幅源图像的变形函数的参数;
变形处理模块,用于利用各自的变形函数对每幅源图像所包括的不同区域进行不同的变形处理,得到父亲变形图像、母亲变形图像和婴儿变形图像;
融合处理模块,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;
其中,所述变形处理模块具体用于利用各自的变形函数对每幅源图像所包括的包含五官区域的第一区域、第一区域以外且包含额头区域的第二区域以及源图像中除了第一区域和第二区域以外的第三区域进行不同的变形处理,得到父亲变形图像、母亲变形图像和婴儿变形图像;
所述变形处理模块具体用于利用各自的双层仿射变换的高斯径向基函数对每幅源图像所包括的不同区域进行不同的变形处理,得到父亲变形图像、母亲变形图像和婴儿变形图像;
所述变形处理模块具体用于利用如下变形函数对每幅源图像所包括的不同区域进行不同的变形处理:
其中,p为源图像的像素的坐标,pi为源图像的特征点的坐标,1≤i≤N,N为特征点的个数;A(p)=MpT+t,A(p)是现有的仿射变换;B(p)=p,B(p)是单位仿射变换;ci,M,t是变形函数的参数;F(p)是一个低通滤波器,控制两个仿射变换的重要性,进一步的,
r=|p-p0|
p0为所述第一区域的圆心坐标,r0为所述第一区域的半径,r1为所述第一区域和第二区域的合并区域的半径,所述第一区域为圆形区域,所述第二区域为圆环区域,所述第一区域和第二区域的合并区域为圆形区域。
5.根据权利要求4所述的装置,其特征在于,所述参数获取模块具体用于在F(p)=1的情况下,令 由此得到变形函数的参数ci,M,t;其中,qj为目标婴儿形状的特征点的坐标,1≤j≤N。
6.根据权利要求4或5所述的装置,其特征在于,所述形状合成模块具体用于根据主动形状模型定位特征点,对父亲源图像、母亲源图像和婴儿源图像进行形状合成,得到目标婴儿形状。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210052235.6A CN103295211B (zh) | 2012-03-01 | 2012-03-01 | 婴儿图像合成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210052235.6A CN103295211B (zh) | 2012-03-01 | 2012-03-01 | 婴儿图像合成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103295211A CN103295211A (zh) | 2013-09-11 |
CN103295211B true CN103295211B (zh) | 2016-01-27 |
Family
ID=49096018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210052235.6A Active CN103295211B (zh) | 2012-03-01 | 2012-03-01 | 婴儿图像合成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103295211B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617605A (zh) * | 2013-09-22 | 2014-03-05 | 天津大学 | 针对三模态医学图像的透明度加权融合方法 |
CN106791346B (zh) * | 2015-11-19 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 一种图像预测的方法及装置 |
CN107967463B (zh) * | 2017-12-12 | 2021-04-02 | 武汉科技大学 | 一种基于合成图像和深度学习的虚拟人脸识别方法 |
KR102466998B1 (ko) * | 2018-02-09 | 2022-11-14 | 삼성전자주식회사 | 영상 융합 방법 및 장치 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102348112A (zh) * | 2010-07-29 | 2012-02-08 | 深圳Tcl新技术有限公司 | 一种视频信号自适应处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004005265A (ja) * | 2002-05-31 | 2004-01-08 | Omron Corp | 画像合成方法、画像合成装置、画像合成システム |
-
2012
- 2012-03-01 CN CN201210052235.6A patent/CN103295211B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102348112A (zh) * | 2010-07-29 | 2012-02-08 | 深圳Tcl新技术有限公司 | 一种视频信号自适应处理方法 |
Non-Patent Citations (2)
Title |
---|
Automatic Interpretation and Coding of Face Images Using Flexible Models;Andreas Lanitis, et al;《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》;19970731;第19卷(第7期);全文 * |
基于改进ASM的人脸图像变形算法研究;文义玲;《中国优秀硕士学位论文全文数据库信息科技辑》;20111215(第12期);参见第7、38、45页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103295211A (zh) | 2013-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11350073B2 (en) | Disparity image stitching and visualization method based on multiple pairs of binocular cameras | |
JP7109585B2 (ja) | 画像処理方法及び装置、画像デバイス並びに記憶媒体 | |
CN103295210B (zh) | 婴儿图像合成方法及装置 | |
CN103295211B (zh) | 婴儿图像合成方法及装置 | |
CN101931772B (zh) | 一种全景视频融合方法、系统及视频处理设备 | |
CN102419868B (zh) | 基于3d头发模板进行3d头发建模的设备和方法 | |
CN110349247B (zh) | 一种基于语义理解的室内场景cad三维重建方法 | |
CN108805090B (zh) | 一种基于平面网格模型的虚拟试妆方法 | |
CN106067190A (zh) | 一种基于单幅图像的快速人脸三维模型生成和变换方法 | |
CN105719326A (zh) | 一种基于单张照片的真实感人脸生成方法 | |
CN104966318A (zh) | 具有图像叠加和图像特效功能的增强现实方法 | |
CN103824253A (zh) | 一种基于图像局部精确变形的人物五官变形方法 | |
CN109801380A (zh) | 一种虚拟试衣的方法、装置、存储介质及计算机设备 | |
CN109658370A (zh) | 基于混合变换的图像拼接方法 | |
CN108876705B (zh) | 图像合成的方法、装置及计算机存储介质 | |
CN101739719A (zh) | 二维正面人脸图像的三维网格化方法 | |
CN106652015B (zh) | 一种虚拟人物头像生成方法及装置 | |
CN104952075A (zh) | 面向激光扫描三维模型的多图像自动纹理映射方法 | |
JP2004506276A (ja) | 3次元顔モデリングシステム及びモデリング方法 | |
Yan et al. | Stereoscopic image stitching based on a hybrid warping model | |
CN106097442A (zh) | 一种智能仿真试衣系统及其应用方法 | |
CN103927727A (zh) | 一种标量图像转化为矢量图的方法 | |
CN109389682A (zh) | 一种三维人脸模型自动调整方法 | |
CN107977996A (zh) | 基于靶标标定定位模型的空间目标定位方法 | |
Müller et al. | Dinus: Double insertion, nonuniform, stationary subdivision surfaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |