CN108121978A - 一种人脸图像处理方法、系统及设备和存储介质 - Google Patents
一种人脸图像处理方法、系统及设备和存储介质 Download PDFInfo
- Publication number
- CN108121978A CN108121978A CN201810023243.5A CN201810023243A CN108121978A CN 108121978 A CN108121978 A CN 108121978A CN 201810023243 A CN201810023243 A CN 201810023243A CN 108121978 A CN108121978 A CN 108121978A
- Authority
- CN
- China
- Prior art keywords
- face
- pixel
- target
- reticulate pattern
- image processing
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸图像处理方法、系统及设备和一种计算机可读存储介质，该方法包括：获取原始图像，并根据所述原始图像定位人脸关键区域；根据所述原始图像提取网纹像素点；利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，得到修复图像。本发明提供的人脸图像处理方法，首先进行人脸关键区域的定位，获取眼睛，眉毛，鼻子，嘴部这些对人脸识别特征提取最为关键的区域，对这些区域以外的图像进行去网纹操作，在保证不破坏人脸本身的特征的前提下，利用FMM算法尽可能去除脸部区域的网纹，提高了人脸识别的准确度。
Description
技术领域
本发明涉及图像处理技术领域，更具体地说，涉及一种人脸图像处理方法、系统及设备和一种计算机可读存储介质。
背景技术
在涉及用户身份验证的过程中，人脸比对是最方便直接且有效的方式。通常的做法是将应用端采集的用户人脸照片与从公安系统中的二代身份证照片进行比对，以确认应用端的用户是否使用了本人的身份证号码进行实名制认证。但是由于公安系统对外提供的二代身份证照片都对人脸区域进行了处理，包括降低分辨率、叠加不同样式的网纹等，严重干扰了使用该照片进行人脸比对的准确度。
因此，如何去除身份证照片人脸区域的网纹，提高人脸识别的准确度是本领域技术人员需要解决的问题。
发明内容
本发明的目的在于提供一种人脸图像处理方法、系统及设备和一种计算机可读存储介质，去除了身份证照片人脸区域的网纹，提高了人脸识别的准确度。
为实现上述目的，本发明提供了一种人脸图像处理方法，包括：
获取原始图像，并根据所述原始图像定位人脸关键区域；
根据所述原始图像提取网纹像素点；
利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，得到修复图像。
其中，所述根据所述原始图像提取网纹像素点之前，还包括：
对所述原始图像进行人脸轮廓检测，得到人脸轮廓，并利用图像分割技术去除所述人脸轮廓中的背景。
其中，根据所述原始图像提取网纹像素点，包括：
根据所述原始图像通过图像二值化操作和网纹膨胀操作提取所述网纹像素点。
其中，所述利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，得到修复图像之后，还包括：
利用高斯核滤波对所述修复图像进行去噪处理。
其中，所述利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，包括：
S231：提取除所述人脸关键区域之外的所述网纹像素点作为目标像素点，并从所述目标像素点中选取目标修复点；
S232：选取所述目标修复点的一个邻域，并根据所述领域内所有像素点权重值，将所述像素点的像素值归一化得到目标像素值；
S233：将所述目标像素值作为所述目标修复点的像素值以便完成所述目标修复点的修复操作；
S234：将与所述目标修复点距离最近的目标像素点作为所述目标修复点，并重新进入S232直至所有的所述目标像素点全部修复完成。
其中，所述权重值与像素点至所述目标修复点的距离呈负相关。
为实现上述目的，本发明提供了一种人脸图像处理系统，包括：
定位模块，用于获取原始图像，并根据所述原始图像定位人脸关键区域；
提取模块，用于根据所述原始图像提取网纹像素点；
修复模块，用于利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，得到修复图像。
其中，所述修复模块包括：
选取单元，用于提取除所述人脸关键区域之外的所述网纹像素点作为目标像素点，并从所述目标像素点中选取目标修复点；
归一单元，用于选取所述目标修复点的一个邻域，并根据所述领域内所有像素点权重值，将所述像素点的像素值归一化得到目标像素值；
修复单元，用于将所述目标像素值作为所述目标修复点的像素值以便完成所述目标修复点的修复操作；
确定单元，用于将与所述目标修复点距离最近的目标像素点作为所述目标修复点，并重新启动所述归一单元的工作流程直至所有的网纹像素点全部修复完成。
为实现上述目的，本发明提供了一种人脸图像处理设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述人脸图像处理方法的步骤。
为实现上述目的，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述人脸图像处理方法。
通过以上方案可知，本发明提供的一种人脸图像处理方法包括：获取原始图像，并根据所述原始图像定位人脸关键区域；根据所述原始图像提取网纹像素点；利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，得到修复图像。
本发明提供的人脸图像处理方法，首先进行人脸关键区域的定位，获取眼睛，眉毛，鼻子，嘴部这些对人脸识别特征提取最为关键的区域，对这些区域以外的图像进行去网纹操作，在保证不破坏人脸本身的特征的前提下，利用FMM算法尽可能去除脸部区域的网纹，提高了人脸识别的准确度。本发明还公开了一种人脸图像处理系统及设备和一种计算机可读存储介质，同样能实现上述技术效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种人脸图像处理方法的流程图；
图2为本发明实施例公开的另一种人脸图像处理方法的流程图；
图3为本发明实施例公开的一种人脸图像处理系统的结构图；
图4为本发明实施例公开的一种人脸图像处理设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种人脸图像处理方法，去除了身份证照片人脸区域的网纹，提高了人脸识别的准确度。
参见图1，本发明实施例公开的一种人脸图像处理方法的流程图，如图1所示，包括：
S101：获取原始图像，并根据所述原始图像定位人脸关键区域；
在具体实施中，原始图像可以为包含整个身份证的图像，当然也可以为身份证上的人脸图像，在此步骤具体限定。
可以理解的是，若上述原始图像为包含整个身份证的图像，则在获取原始图像的步骤之后，还应该包括对所述原始图像进行人脸轮廓检测，得到人脸轮廓，并利用图像分割技术去除所述人脸轮廓中的背景的步骤。
上述人脸关键区域，即人脸识别的关键区域，包括眼睛、鼻子、嘴等，此步骤的目的在于提取人脸关键区域，以便后续步骤对人脸关键区域以外的图像进行去网纹操作，在保证不破坏人脸本身的特征的前提下，尽可能去除脸部区域的网纹，提高了人脸识别的准确度。
S102：根据所述原始图像提取网纹像素点；
此步骤的目的在于获取需要修复的网纹像素点，以便后续步骤对除所述人脸关键区域之外的网纹像素点进行修复。具体的，可以根据所述原始图像通过图像二值化操作和网纹膨胀操作提取网纹像素点。
需要说明的是，为了加快整个网纹修复的工作流程，定位人脸关键区域的步骤和提取网纹像素点的步骤可以并行处理，即本实施例不对这两个步骤的具体顺序进行限定，本领域技术人员可以根据实际需求灵活设计。
S103：利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，得到修复图像。
在具体实施中，可以利用FMM(中文全称：基于快速行进的修复算法，英文全称：Fast Marching Method)对除人脸关键区域之外的网纹像素点进行修复，即利用网纹像素点周围的像素信息来代替该网纹像素点的像素值。
需要说明的是，为了提成人脸图像的还原度，在得到修复图像之后，还可以利用高斯核滤波对所述修复图像进行去噪处理。
本发明实施例提供的人脸图像处理方法，首先进行人脸关键区域的定位，获取眼睛，眉毛，鼻子，嘴部这些对人脸识别特征提取最为关键的区域，对这些区域以外的图像进行去网纹操作，在保证不破坏人脸本身的特征的前提下，利用FMM算法尽可能去除脸部区域的网纹，提高了人脸识别的准确度。
本发明实施例公开了一种人脸图像处理方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：
参见图2，本发明实施例提供的另一种人脸图像处理方法的流程图，如图2所示，包括：
S211：获取原始图像，并根据所述原始图像定位人脸关键区域；
S212：对所述原始图像进行人脸轮廓检测，得到人脸轮廓，并利用图像分割技术去除所述人脸轮廓中的背景；
S202：根据所述原始图像通过图像二值化操作和网纹膨胀操作提取所述网纹像素点；
S231：提取除所述人脸关键区域之外的所述网纹像素点作为目标像素点，并从所述目标像素点中选取目标修复点；
在具体实施中，对于除所述人脸关键区域之外的网纹像素点即待修复区域，可以从边界开始，逐渐向内填充像素，当然这是一种优选实施方式，本领域技术人员可以根据实际情况设定目标像素点选取的顺序。
S232：选取所述目标修复点的一个邻域，并根据所述领域内所有像素点权重值，将所述像素点的像素值归一化得到目标像素值；
在具体实施中，在该目标修复点的周围选取一个小的邻域，并根据所述领域内所有像素点权重值，将所述像素点的像素值归一化得到一个目标像素值，此目标像素值即为该目标像素点去除网纹后的像素替代值。可以理解的是，所述权重值与像素点至所述目标像素点的距离呈负相关，即越靠近该目标像素点权重值越大。若从边界开始选取目标像素点，权重值还与距边界的距离有关，即越靠近边界和边界的法线权重值越大。
S233：将所述目标像素值作为所述目标修复点的像素值以便完成所述目标修复点的修复操作；
S234：将与所述目标修复点距离最近的目标像素点作为所述目标修复点，并重新进入S232直至所有的所述目标像素点全部修复完成；
S204：利用高斯核滤波对所述修复图像进行去噪处理。
下面对本发明实施例提供的一种人脸图像处理系统进行介绍，下文描述的一种人脸图像处理系统与上文描述的一种人脸图像处理方法可以相互参照。
参见图3，本发明实施例提供的一种人脸图像处理系统的结构图，如图3所示，包括：
定位模块301，用于获取原始图像，并根据所述原始图像定位人脸关键区域；
提取模块302，用于根据所述原始图像提取网纹像素点；
修复模块303，用于利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，得到修复图像。
本发明实施例提供的人脸图像处理系统，首先进行人脸关键区域的定位，获取眼睛，眉毛，鼻子，嘴部这些对人脸识别特征提取最为关键的区域，对这些区域以外的图像进行去网纹操作，在保证不破坏人脸本身的特征的前提下，利用FMM算法尽可能去除脸部区域的网纹，提高了人脸识别的准确度。
在上述实施例的基础上，作为优选实施方式，还包括：
分割模块，用于对所述原始图像进行人脸轮廓检测，得到人脸轮廓，并利用图像分割技术去除所述人脸轮廓中的背景。
在上述实施例的基础上，作为优选实施方式，所述提取模块302具体为根据所述原始图像通过图像二值化操作和网纹膨胀操作提取所述网纹像素点的模块。
在上述实施例的基础上，作为优选实施方式，还包括：
去噪模块，用于利用高斯核滤波对所述修复图像进行去噪处理。
在上述实施例的基础上，作为优选实施方式，所述修复模块303包括：
选取单元，用于提取除所述人脸关键区域之外的所述网纹像素点作为目标像素点，并从所述目标像素点中选取目标修复点；
归一单元，用于选取所述目标修复点的一个邻域，并根据所述领域内所有像素点权重值，将所述像素点的像素值归一化得到目标像素值；
修复单元，用于将所述目标像素值作为所述目标修复点的像素值以便完成所述目标修复点的修复操作；
确定单元，用于将与所述目标修复点距离最近的目标像素点作为所述目标修复点，并重新启动所述归一单元的工作流程直至所有的网纹像素点全部修复完成。
本申请还提供了一种人脸图像处理设备，参见图4，本发明实施例提供的一种人脸图像处理设备的结构图，如图4所示，包括：
存储器401，用于存储计算机程序；
处理器402，用于执行所述计算机程序时可以实现上述实施例所提供的步骤。当然所述人脸图像处理设备还可以包括各种网络接口，电源等组件。
本发明实施例提供的人脸图像处理设备，首先进行人脸关键区域的定位，获取眼睛，眉毛，鼻子，嘴部这些对人脸识别特征提取最为关键的区域，对这些区域以外的图像进行去网纹操作，在保证不破坏人脸本身的特征的前提下，利用FMM算法尽可能去除脸部区域的网纹，提高了人脸识别的准确度。
本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种人脸图像处理方法，其特征在于，包括：
获取原始图像，并根据所述原始图像定位人脸关键区域；
根据所述原始图像提取网纹像素点；
利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，得到修复图像。
2.根据权利要求1所述人脸图像处理方法，其特征在于，所述根据所述原始图像提取网纹像素点之前，还包括：
对所述原始图像进行人脸轮廓检测，得到人脸轮廓，并利用图像分割技术去除所述人脸轮廓中的背景。
3.根据权利要求1所述人脸图像处理方法，其特征在于，根据所述原始图像提取网纹像素点，包括：
根据所述原始图像通过图像二值化操作和网纹膨胀操作提取所述网纹像素点。
4.根据权利要求1所述人脸图像处理方法，其特征在于，所述利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，得到修复图像之后，还包括：
利用高斯核滤波对所述修复图像进行去噪处理。
5.根据权利要求1-4任一项所述人脸图像处理方法，其特征在于，所述利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，包括：
S231：提取除所述人脸关键区域之外的所述网纹像素点作为目标像素点，并从所述目标像素点中选取目标修复点；
S232：选取所述目标修复点的一个邻域，并根据所述领域内所有像素点权重值，将所述像素点的像素值归一化得到目标像素值；
S233：将所述目标像素值作为所述目标修复点的像素值以便完成所述目标修复点的修复操作；
S234：将与所述目标修复点距离最近的目标像素点作为所述目标修复点，并重新进入S232直至所有的所述目标像素点全部修复完成。
6.根据权利要求5所述人脸图像处理方法，其特征在于，所述权重值与像素点至所述目标修复点的距离呈负相关。
7.一种人脸图像处理系统，其特征在于，包括：
定位模块，用于获取原始图像，并根据所述原始图像定位人脸关键区域；
提取模块，用于根据所述原始图像提取网纹像素点；
修复模块，用于利用FMM算法对除所述人脸关键区域之外的所述网纹像素点进行修复，得到修复图像。
8.根据权利要求7所述人脸图像处理系统，其特征在于，所述修复模块包括：
选取单元，用于提取除所述人脸关键区域之外的所述网纹像素点作为目标像素点，并从所述目标像素点中选取目标修复点；
归一单元，用于选取所述目标修复点的一个邻域，并根据所述领域内所有像素点权重值，将所述像素点的像素值归一化得到目标像素值；
修复单元，用于将所述目标像素值作为所述目标修复点的像素值以便完成所述目标修复点的修复操作；
确定单元，用于将与所述目标修复点距离最近的目标像素点作为所述目标修复点，并重新启动所述归一单元的工作流程直至所有的网纹像素点全部修复完成。
9.一种人脸图像处理设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述人脸图像处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述人脸图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810023243.5A CN108121978A (zh) | 2018-01-10 | 2018-01-10 | 一种人脸图像处理方法、系统及设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810023243.5A CN108121978A (zh) | 2018-01-10 | 2018-01-10 | 一种人脸图像处理方法、系统及设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108121978A true CN108121978A (zh) | 2018-06-05 |
Family
ID=62233866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810023243.5A Pending CN108121978A (zh) | 2018-01-10 | 2018-01-10 | 一种人脸图像处理方法、系统及设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108121978A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035171A (zh) * | 2018-08-01 | 2018-12-18 | 中国计量大学 | 一种网纹人脸图像修复方法 |
| CN109360166A (zh) * | 2018-09-30 | 2019-02-19 | 北京旷视科技有限公司 | 一种图像处理方法、装置、电子设备和计算机可读介质 |
| CN110210425A (zh) * | 2019-06-05 | 2019-09-06 | 平安科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
| CN113012076A (zh) * | 2021-04-27 | 2021-06-22 | 广东工业大学 | 一种基于邻近像素点和自编码器的敦煌壁画修复方法 |
| CN113642466A (zh) * | 2019-11-27 | 2021-11-12 | 马上消费金融股份有限公司 | 活体检测和模型训练方法、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102572201A (zh) * | 2010-12-31 | 2012-07-11 | 北京大学 | 一种图像网纹去除方法及系统 |
| CN106846271A (zh) * | 2017-01-18 | 2017-06-13 | 天津中科智能识别产业技术研究院有限公司 | 一种去除身份证照片中网纹的方法 |
| CN107016657A (zh) * | 2017-04-07 | 2017-08-04 | 河北工业大学 | 被网纹覆盖的人脸图片的修复方法 |
-
2018
- 2018-01-10 CN CN201810023243.5A patent/CN108121978A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102572201A (zh) * | 2010-12-31 | 2012-07-11 | 北京大学 | 一种图像网纹去除方法及系统 |
| CN106846271A (zh) * | 2017-01-18 | 2017-06-13 | 天津中科智能识别产业技术研究院有限公司 | 一种去除身份证照片中网纹的方法 |
| CN107016657A (zh) * | 2017-04-07 | 2017-08-04 | 河北工业大学 | 被网纹覆盖的人脸图片的修复方法 |
Non-Patent Citations (3)
| Title |
|---|
| ALEXANDRU TELEA: "An Image Inpainting Technique Based on the Fast Marching Method", 《JOURNAL OF GRAPHICS TOOLS》 * |
| 刘俊毅: "彩色图像引导的深度图像增强", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 张金玉: "《红外热波检测及其图像序列处理技术》", 31 July 2015, 国防工业出版社 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035171A (zh) * | 2018-08-01 | 2018-12-18 | 中国计量大学 | 一种网纹人脸图像修复方法 |
| CN109035171B (zh) * | 2018-08-01 | 2021-06-15 | 中国计量大学 | 一种网纹人脸图像修复方法 |
| CN109360166A (zh) * | 2018-09-30 | 2019-02-19 | 北京旷视科技有限公司 | 一种图像处理方法、装置、电子设备和计算机可读介质 |
| CN109360166B (zh) * | 2018-09-30 | 2021-06-22 | 北京旷视科技有限公司 | 一种图像处理方法、装置、电子设备和计算机可读介质 |
| CN110210425A (zh) * | 2019-06-05 | 2019-09-06 | 平安科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
| CN110210425B (zh) * | 2019-06-05 | 2023-06-30 | 平安科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
| CN113642466A (zh) * | 2019-11-27 | 2021-11-12 | 马上消费金融股份有限公司 | 活体检测和模型训练方法、设备及介质 |
| CN113012076A (zh) * | 2021-04-27 | 2021-06-22 | 广东工业大学 | 一种基于邻近像素点和自编码器的敦煌壁画修复方法 |
| CN113012076B (zh) * | 2021-04-27 | 2023-06-23 | 广东工业大学 | 一种基于邻近像素点和自编码器的敦煌壁画修复方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108121978A (zh) | 一种人脸图像处理方法、系统及设备和存储介质 | |
| CN101477696B (zh) | 一种人物漫画图像生成方法及装置 | |
| US20100232654A1 (en) | Method for reconstructing iris scans through novel inpainting techniques and mosaicing of partial collections | |
| CN107680294A (zh) | 房产信息查询方法、系统、终端设备及存储介质 | |
| Jan | Segmentation and localization schemes for non-ideal iris biometric systems | |
| TWI692729B (zh) | 確定瞳孔位置的方法和裝置 | |
| CN103839223A (zh) | 图像处理方法及装置 | |
| CN103745209B (zh) | 一种人脸识别方法及系统 | |
| CN107220640A (zh) | 字符识别方法、装置、计算机设备和计算机可读存储介质 | |
| CN107895155A (zh) | 一种人脸识别方法及装置 | |
| CN110046574A (zh) | 基于深度学习的安全帽佩戴识别方法及设备 | |
| CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
| CN110705353A (zh) | 基于注意力机制的遮挡人脸的识别方法和装置 | |
| CN106469300B (zh) | 一种色斑检测识别方法 | |
| CN106709431A (zh) | 虹膜识别方法及装置 | |
| CN106127222A (zh) | 一种基于视觉的字符串相似度计算方法及相似性判断方法 | |
| CN109145720A (zh) | 一种人脸识别方法和装置 | |
| JP2009294955A (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよび同プログラムを記録した記録媒体。 | |
| CN108256440A (zh) | 一种眉毛图像分割方法和系统 | |
| CN104978546A (zh) | 阅读内容的处理方法、装置及终端 | |
| CN111160121A (zh) | 一种基于深度学习的人像识别系统、方法及装置 | |
| CN109886186A (zh) | 一种人脸识别方法及装置 | |
| CN109101806A (zh) | 一种基于风格迁移的隐私人像数据标注方法 | |
| Deng et al. | Partially occluded face completion and recognition | |
| KR100391182B1 (ko) | 직접 골 추적을 이용한 지문 특징 추출방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180605 |
|
| RJ01 | Rejection of invention patent application after publication |