CN110033420A - 一种图像融合的方法和装置 - Google Patents

一种图像融合的方法和装置 Download PDF

Info

Publication number
CN110033420A
CN110033420A CN201810029791.9A CN201810029791A CN110033420A CN 110033420 A CN110033420 A CN 110033420A CN 201810029791 A CN201810029791 A CN 201810029791A CN 110033420 A CN110033420 A CN 110033420A
Authority
CN
China
Prior art keywords
template
image
point
objects
target
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.)
Granted
Application number
CN201810029791.9A
Other languages
English (en)
Other versions
CN110033420B (zh
Inventor
张尧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Financial Technology Holding Co Ltd
Original Assignee
Beijing Jingdong Financial Technology Holding Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Financial Technology Holding Co Ltd filed Critical Beijing Jingdong Financial Technology Holding Co Ltd
Priority to CN201810029791.9A priority Critical patent/CN110033420B/zh
Publication of CN110033420A publication Critical patent/CN110033420A/zh
Application granted granted Critical
Publication of CN110033420B publication Critical patent/CN110033420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种图像融合的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：分别获取目标图像的对象特征点、模板图像的对象特征点；根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐；将对齐后的目标对象与模板对象进行融合。该实施方式能够图像融合效果差的问题。

Description

一种图像融合的方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种图像融合的方法和装置。
背景技术
现有的人脸融合的技术方案多采用传统图像学进行处理，往往通过开源库自带的人脸检测器检测人脸，然后直接把目标人脸抠出，贴合到模板人脸上，形成人脸融合效果。
在实现本发明构思的过程中，发明人发现现有技术中至少存在如下问题：首先在人脸检测上，利用开源库做人脸检测很难在人脸偏转的情况下检测到人脸，成功率不高。其次，直接把目标人脸贴合到模板人脸上，很难一一对应准确，导致图像融合效果差。
发明内容
有鉴于此，本发明实施例提供一种图像融合的方法和装置，能够解决图像融合效果差的问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种图像融合的方法，包括：
分别获取目标图像的对象特征点、模板图像的对象特征点；
根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐；
将对齐后的目标对象与模板对象进行融合。
可选地，分别获取目标图像的对象特征点、模板图像的对象特征点，包括：
对目标图像进行对象检测，以确定目标图像中的目标对象；
对所述目标对象进行特征点定位，以获取目标图像的对象特征点；
对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点。
可选地，对所述目标对象进行特征点定位，以获取目标图像的对象特征点；对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点，包括：
对所述目标图像中的目标对象以及多张模板图片中的模板对象进行特征点定位，以分别获取所述目标图像的对象特征点以及所述多张模板图像的对象特征点；
从各组对象特征点中筛选出对象特征点；
基于筛选出的对象特征点，确定与所述目标对象最相似的模板图像。
可选地，根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐，包括：
根据所述目标图像的对象特征点和模板图像的对象特征点，并通过仿射变换，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
可选地，根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐，包括：
根据所述目标图像的对象特征点和模板图像的对象特征点，并利用仿射公式计算仿射矩阵R，
其中，R为2×2正交矩阵，s为缩放比例，T为二维平移向量，p为目标图像的对象特征点的向量值矩阵，pi为矩阵p的第i行，q为模板图像的对象特征点的向量值矩阵，qi为矩阵q的第i行，m为每组对象特征点的总数；
根据所述仿射矩阵，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
可选地，将对齐后的目标对象与模板对象进行融合，包括：
通过公式M(x,y)＝(1-α)I(x,y)+αJ(x,y)，将对齐后的目标对象与模板对象进行融合；
其中，0≤α≤1，M(x,y)为融合后的对象特征点，I(x,y)为对齐后的目标图像的对象特征点，J(x,y)为对齐后的模板图像的对象特征点。
可选地，分别获取目标图像的对象特征点、模板图像的对象特征点，之后，还包括：
根据所述模板图像的特征点，抠出所述模板图像中的模板对象；
将对齐后的目标对象与模板对象进行融合，之后，还包括：
以融合后的对象替换所述模板对象。
另外，根据本发明实施例的另一个方面，提供了一种图像融合的装置，包括：
获取模块，用于分别获取目标图像的对象特征点、模板图像的对象特征点；
对齐模块，用于根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐；
融合模块，用于将对齐后的目标对象与模板对象进行融合。
可选地，所述获取模块用于：
对目标图像进行对象检测，以确定目标图像中的目标对象；
对所述目标对象进行特征点定位，以获取目标图像的对象特征点；
对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点。
可选地，对所述目标对象进行特征点定位，以获取目标图像的对象特征点；对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点，包括：
对所述目标图像中的目标对象以及多张模板图片中的模板对象进行特征点定位，以分别获取所述目标图像的对象特征点以及所述多张模板图像的对象特征点；
从各组对象特征点中筛选出对象特征点；
基于筛选出的对象特征点，确定与所述目标对象最相似的模板图像。
可选地，所述对齐模块用于：
根据所述目标图像的对象特征点和模板图像的对象特征点，并通过仿射变换，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
可选地，所述对齐模块用于：
根据所述目标图像的对象特征点和模板图像的对象特征点，并利用仿射公式计算仿射矩阵R，
其中，R为2×2正交矩阵，s为缩放比例，T为二维平移向量，p为目标图像的对象特征点的向量值矩阵，pi为矩阵p的第i行，q为模板图像的对象特征点的向量值矩阵，qi为矩阵q的第i行，m为每组对象特征点的总数；
根据所述仿射矩阵，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
可选地，所述融合模块用于：
通过公式M(x,y)＝(1-α)I(x,y)+αJ(x,y)，将对齐后的目标对象与模板对象进行融合；
其中，0≤α≤1，M(x,y)为融合后的对象特征点，I(x,y)为对齐后的目标图像的对象特征点，J(x,y)为对齐后的模板图像的对象特征点。
可选地，所述获取模块还用于：
根据所述模板图像的特征点，抠出所述模板图像中的模板对象；
所述融合模块还用于：
以融合后的对象替换所述模板对象。
根据本发明实施例的另一个方面，还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用先将目标对象与模板对象对齐，再将对齐后的目标对象与模板对象进行融合的技术手段，所以克服了图像融合效果差的技术问题，本发明通过仿射变换将目标对象与模板对象对齐，再将对齐后的目标对象与模板对象进行融合，使得融合后的对象与模板对象准确对应，显著提高融合效果。而且，本发明实施例提供的方法能够检测对角度的对象，确保检测成功率；通过参数调整，使得融合效果可调节，并能够自然地融合目标对象与模板对象，即使目标对象与模板对象的角度或大小不同时，仍然能够融合得自然，效果仍然鲁棒。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的图像融合的方法的主要流程的示意图；
图2是根据本发明一个可参考实施例的图像融合的方法的主要流程的示意图；
图3是根据本发明实施例的图像融合的装置的主要模块的示意图；
图4是本发明实施例可以应用于其中的示例性系统架构图；
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的图像融合的方法的主要流程的示意图。如图1所示，作为本发明的一个实施例，所述图像融合的方法可以包括：
步骤101，分别获取目标图像的对象特征点、模板图像的对象特征点。
可选地，所述对象可以是人脸、猪脸、狗脸、卡通人物的脸、汽车、树等。以人脸为例，在该步骤中，可以通过Landmark算法(人脸部特征点提取的技术)对脸部五官的特征点进行定位，以获取一系列的人脸特征点。
对象特征点的数量可以根据需要设置，对象特征点的数量越多，则对于对象特征的定位越准确。可选地，利用68个Landmark人脸特征点对脸部五官进行定位，例如脸部轮廓、眼睛区域、嘴巴区域、鼻子区域等，68个Landmark人脸特征点已能够覆盖人脸上主要部位。需要指出的是，基于Landmark算法提取的数量不限于68个，还可以是60个，58个等等。
作为本发明的又一个实施例，所述步骤101包括：
对目标图像进行对象检测，以确定目标图像中的目标对象；
对所述目标对象进行特征点定位，以获取目标图像的对象特征点；
对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点。
以人脸为例，在该实施例中，先对目标图像进行人脸检测，通过计算图片中是否有人脸特征向量值(即对象特征点)，判断目标图像中是否存在有人脸，如果没有人脸，则结束，如果有人脸就通过Landmark算法对目标图像中的人脸进行定位，以获取一系列的人脸特征点。相应地，基于同样的方法，获取模板图像的对象特征点。较佳地，目标图像的对象特征点的数量与模板图像的对象特征点的数量相同。本发明实施例提供的方法通过检测是否有人脸，提高人脸融合的准确性和安全性，不对没有人脸的图片进行处理，避免产生奇怪的融合图片，还可以减少无用工作。
可以采用CascadeCNN人脸检测方法，或者采用基于HOG(Histogrrams ofOriented Gradients，方向梯度直方图)/FHOG(融合的方向梯度直方图)的SVM(LinearSupport Vector Machine，线性支持向量机)/DPM(Deformable Part Model)等方法判断目标图像中存在有人脸，这些在OpenCV，DLIB都有。也可以采用深度学习算法YOLOv2进行人脸检测，以判断目标图像中是否有人脸。
作为本发明的再一个实施例，对所述对象进行特征点定位，以获取目标图像的对象特征点；对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点，包括：
对所述目标图像中的目标对象以及多张模板图片中的模板对象进行特征点定位，以分别获取所述目标图像的对象特征点以及所述多张模板图像的对象特征点；
从各组对象特征点中筛选出对象特征点；
基于筛选出的对象特征点，确定与所述目标对象最相似的模板图像。
可选地，可以通过Landmark算法对脸部三官或者五官的特征点进行定位，以获取一系列的人脸特征点。然后从一系列的人脸特征点中筛选关键的特征点，例如眼睛和鼻子三个点，得到眼睛和鼻子的特征向量值，比较目标图像的特征向量值和每张模板图像的特征向量值，从而确定与目标图像的特征向量值最相似的模板图像(即目标对象与模板对象最相似)，以该模板图像作为后续对齐、融合等步骤的基准，从而提高两个对象的融合自然度，改善融合效果。
作为本发明的又一个实施例，还可以先根据目标对象的性别、年龄段，筛选出与其性别相同、年龄段类似的模板图片集合，然后再基于关键的对象特征点，从该集合中筛选出与目标图像最相似的模板图像。所述年龄段一般可以分别少年、青年、中年、老年等。由于不同性别和不同年龄段的人，人脸的特征是不一样的，因此预先向计算机输入各个年龄段和不同性别的人脸特征，不断地训练计算机对人脸年龄和性别的判断，之后将人脸特征输入模型中。如果得到的结果是男性的置信度比较高，就得出性别是男性，从而缩小模板图像的筛选范围，减小数据处理量。可选地，采用卷积神经网络(CNN)提取年龄、性别的特征点。
在步骤101之后，还包括：根据所述模板图像的特征点，抠出所述模板图像中的模板对象。被抠出的位置用于放入融合后的对象，从而使得融合后的对象与模板图像一一对准，改善融合效果。
步骤102，根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
在该步骤中，以步骤101确定的与目标图像最相似的模板图像作为基准，根据所述目标图像的对象和模板图像的对象特征点，并通过仿射变换，旋转目标对象和/或模板对象，使得所述目标对象与模板对象对齐。
需要说明的是，由于目标图像中的目标对象存在很大的随意性，目标对象在目标图像中的角度也是千差万别的，因此，通过对象特征点，旋转目标对象的角度，同时根据目标对象的旋转角度，对模板对象的角度也做一定的调整。如果目标对象的旋转角度特别大，就适当把模板对象的旋转角度增大一点，这样减少了目标对象的旋转角度，从而提高了两个对象的融合自然度，改善了融合效果。
作为本发明的再一个实施例，步骤102包括：
根据所述目标图像的对象特征点和模板图像的对象特征点，并利用仿射公式计算仿射矩阵R，
其中，R为2×2正交矩阵，s为缩放比例，T为二维平移向量，p为目标图像的对象特征点的向量值矩阵，q为模板图像的对象特征点的向量值矩阵，m为每组对象特征点的总数；
根据所述仿射矩阵，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
可选地，p、q分别为步骤101获得的目标图像的68个人脸特征点、模板图像的68个人脸特征点，即m＝68，pi和qi是矩阵的第i行。通过矩阵奇异值SVD分解(Singular ValueDecomposition)，求出仿射矩阵R，继而通过仿射矩阵R确定目标图像的对象与模板图像的对象之间的角度差。该步骤通过普氏分析(Procrustes analysis，一种用来分析形状分布的统计方法)，利用最小二乘法寻找目标对象到模板对象的仿射变换，主要目的是旋转目标图像的特征向量值，使其尽量适应模板图像的特征点。
通过仿射变换来对齐人脸，从而达到目标对象和模板对象在一个角度空间中。在该步骤中，通过检测到的68个人脸特征点，可以确定人脸的旋转位置以及五官的位置，判断目标人脸位置，比对模板人脸位置，从而基于仿射矩阵R确定需要旋转的角度，然后将目标人脸图像的像素值与R相乘，从而将其旋转到与模板人脸一致的角度。
步骤103，将对齐后的目标对象与模板对象进行融合。
可选地，通过公式M(x,y)＝(1-α)I(x,y)+αJ(x,y)，将对齐后的目标对象与模板对象进行融合；
其中，0≤α≤1，M(x,y)为融合后的对象特征点，I(x,y)为对齐后的目标图像的对象特征点，J(x,y)为对齐后的模板图像的对象特征点。
在融合的过程中，通过改变参数α的大小，控制融合后的对象更像目标对象还是更像模板对象。
也就是说，通过改变参数α的大小，控制目标图像和模板图像的Landmark人脸特征比例。Landmark特征点确定了人脸的五官位置以及脸型等，修改Landmark特征点的值就修改了人脸的外观特征。用参数α来确定融合对象与目标对象、模板对象的相似度，分别取目标对象的Landmark特征点的向量值和模板对象的Landmark特征点的向量值，然后根据所占特征值的比重，将两个值相加，最终得到新的Landmark特征点的向量值，从而将标对象与模板对象进行自然地融合。
在步骤103之后，还包括：以融合后的对象替换所述模板对象。在该步骤中，通过模板图像的对象特征点确定模板对象的位置，然后将融合后的对象放到该位置，从而完成了图像融合的过程。
需要指出的是，如果在对齐时，稍微旋转了模板对象的角度，那么，此时确定的位置是模板对象旋转后的位置。
根据上面所述的各种实施例，可以看出本发明通过采用先将目标对象与模板对象对齐，再将对齐后的目标对象与模板对象进行融合的技术手段，从而解决了图像融合效果差的问题。也就是说，在现有技术中，直接把目标对象抠出，贴合到模板对象上，导致图像融合效果差。而本发明是先通过仿射变换将目标对象与模板对象对齐，再将对齐后的目标对象与模板对象进行融合，使得融合后的对象与模板对象准确对应，显著提高融合效果。而且，本发明实施例提供的方法能够检测对角度的对象，确保检测成功率；通过参数调整，使得融合效果可调节，并能够自然地融合目标对象与模板对象，即使目标对象与模板对象的角度或大小不同时，仍然能够融合得自然，效果仍然鲁棒。
图2是根据本发明一个可参考实施例的图像融合的方法的主要流程的示意图。作为本发明的再一个实施例，所述图像融合的方法可以包括：
步骤201，对目标图像进行对象检测，以确定目标图像中的目标对象；
步骤202，根据所述目标对象的性别和年龄段，筛选出与其性别相同、年龄段类似的模板图片集合；
步骤203，对所述目标图像中的目标对象、每张模板图片中的模板对象进行特征点定位，以获取目标图像的对象特征点、每张模板图像的对象特征点，从各组对象特征点中筛选出关键的对象特征点；
步骤204，基于筛选出的关键的对象特征点，从模板图片集合中筛选出与所述目标图像最相似的模板图像；
步骤205，根据模板图像的特征点，抠出所述模板图像中的模板对象；
步骤206，根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐；
步骤207，将所述目标图像中的对象与所述模板图像中的对象进行融合；
步骤208，以融合后的对象替换所述模板对象。
需要指出的是，在本发明一个可参考实施例中所述图像融合的方法的具体实施内容，在上面所述图像融合的方法中已经详细说明了，故在此重复内容不再说明。
图3是根据本发明实施例的图像融合的装置，如图3所示，所述图像融合的装置300包括获取模块301、对齐模块302和融合模块303，其中，所述获取模块301分别获取目标图像的对象特征点、模板图像的对象特征点；所述对齐模块302根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐；所述融合模块303将对齐后的目标对象与模板对象进行融合。
所述获取模块301可以通过Landmark算法(人脸部特征点提取的技术)对脸部五官的特征点进行定位，以获取一系列的人脸特征点。
作为本发明的又一个实施例，所述获取模块301对目标图像进行对象检测，以确定目标图像中的目标对象；对所述目标对象进行特征点定位，以获取目标图像的对象特征点；对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点。
具体地，先对目标图像进行人脸检测，通过计算图片中是否有人脸特征向量值(即对象特征点)，判断目标图像中是否存在有人脸，如果没有人脸，则结束，如果有人脸就通过Landmark算法对目标图像中的人脸进行定位，以获取一系列的人脸特征点。相应地，基于同样的方法，获取模板图像的对象特征点。较佳地，目标图像的对象特征点的数量与模板图像的对象特征点的数量相同。
所述获取模块301可以采用CascadeCNN人脸检测方法，或者采用基于HOG(Histogrrams of Oriented Gradients，方向梯度直方图)/FHOG(融合的方向梯度直方图)的SVM(Linear Support Vector Machine，线性支持向量机)/DPM(Deformable PartModel)等方法判断目标图像中存在有人脸，这些在OpenCV，DLIB都有。也可以采用深度学习算法YOLOv2进行人脸检测，以判断目标图像中是否有人脸。
可选地，对所述目标对象进行特征点定位，以获取目标图像的对象特征点；对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点，包括：
对所述目标图像中的目标对象以及多张模板图片中的模板对象进行特征点定位，以分别获取所述目标图像的对象特征点以及所述多张模板图像的对象特征点；
从各组对象特征点中筛选出对象特征点；
基于筛选出的对象特征点，确定与所述目标对象最相似的模板图像。
可选地，所述对齐模块302根据所述目标图像的对象特征点和模板图像的对象特征点，并通过仿射变换，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
所述对齐模块302以获取模块301筛选出的与目标图像最相似的模板图像作为基准，根据所述目标图像的对象和模板图像的对象特征点，并通过仿射变换，旋转目标对象和/或模板对象，使得所述目标对象与模板对象对齐。
可选地，所述对齐模块302根据所述目标图像的对象特征点和模板图像的对象特征点，并利用仿射公式计算仿射矩阵R，
其中，R为2×2正交矩阵，s为缩放比例，T为二维平移向量，p为目标图像的对象特征点的向量值矩阵，pi为矩阵p的第i行，q为模板图像的对象特征点的向量值矩阵，qi为矩阵q的第i行，m为每组对象特征点的总数；
根据所述仿射矩阵，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
可选地，所述融合模块303通过公式M(x,y)＝(1-α)I(x,y)+αJ(x,y)，将对齐后的目标对象与模板对象进行融合；其中，0≤α≤1，M(x,y)为融合后的对象特征点，I(x,y)为对齐后的目标图像的对象特征点，J(x,y)为对齐后的模板图像的对象特征点。在融合的过程中，通过改变参数α的大小，控制融合后的对象更像目标对象还是更像模板对象。
可选地，所述获取模块301还根据所述模板图像的特征点，抠出所述模板图像中的模板对。可选地，所述融合模块303还以融合后的对象替换所述模板对象。
根据上面所述的各种实施例，可以看出本发明通过采用先将目标对象与模板对象对齐，再将对齐后的目标对象与模板对象进行融合的技术手段，从而解决了图像融合效果差的问题。也就是说，在现有技术中，直接把目标对象抠出，贴合到模板对象上，导致图像融合效果差。而本发明是先通过仿射变换将目标对象与模板对象对齐，再将对齐后的目标对象与模板对象进行融合，使得融合后的对象与模板对象准确对应，显著提高融合效果。而且，本发明实施例提供的方法能够检测对角度的对象，确保检测成功率；通过参数调整，使得融合效果可调节，并能够自然地融合目标对象与模板对象，即使目标对象与模板对象的角度或大小不同时，仍然能够融合得自然，效果仍然鲁棒。
需要说明的是，在本发明所述图像融合的装置的具体实施内容，在上面所述图像融合的方法中已经详细说明了，故在此重复内容不再说明。
图4示出了可以应用本发明实施例图像融合的方法或图像融合的装置的示例性系统架构400。
如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息——仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的图像融合的方法一般在公共场所的终端设备401、402、403上执行，也可以由服务器405执行，相应地，所述图像融合的装置一般设置在公共场所的终端设备401、402、403上，也可以设置在服务器405中。
应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、对齐模块和融合模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：分别获取目标图像的对象特征点、模板图像的对象特征点；根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐；将对齐后的目标对象与模板对象进行融合。
根据本发明实施例的技术方案，因为采用先将目标对象与模板对象对齐，再将对齐后的目标对象与模板对象进行融合的技术手段，所以克服了图像融合效果差的技术问题，本发明通过仿射变换将目标对象与模板对象对齐，再将对齐后的目标对象与模板对象进行融合，使得融合后的对象与模板对象准确对应，显著提高融合效果。而且，本发明实施例提供的方法能够检测对角度的对象，确保检测成功率；通过参数调整，使得融合效果可调节，并能够自然地融合目标对象与模板对象，即使目标对象与模板对象的角度或大小不同时，仍然能够融合得自然，效果仍然鲁棒。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (16)

1.一种图像融合的方法，其特征在于，包括：
分别获取目标图像的对象特征点、模板图像的对象特征点；
根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐；
将对齐后的目标对象与模板对象进行融合。
2.根据权利要求1所述的方法，其特征在于，分别获取目标图像的对象特征点、模板图像的对象特征点，包括：
对目标图像进行对象检测，以确定目标图像中的目标对象；
对所述目标对象进行特征点定位，以获取目标图像的对象特征点；
对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点。
3.根据权利要求2所述的方法，其特征在于，对所述目标对象进行特征点定位，以获取目标图像的对象特征点；对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点，包括：
对所述目标图像中的目标对象以及多张模板图片中的模板对象进行特征点定位，以分别获取所述目标图像的对象特征点以及所述多张模板图像的对象特征点；
从各组对象特征点中筛选出对象特征点；
基于筛选出的对象特征点，确定与所述目标对象最相似的模板图像。
4.根据权利要求1所述的方法，其特征在于，根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐，包括：
根据所述目标图像的对象特征点和模板图像的对象特征点，并通过仿射变换，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
5.根据权利要求4所述的方法，其特征在于，根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐，包括：
根据所述目标图像的对象特征点和模板图像的对象特征点，并利用仿射公式计算仿射矩阵R，
其中，R为2×2正交矩阵，s为缩放比例，T为二维平移向量，p为目标图像的对象特征点的向量值矩阵，pi为矩阵p的第i行，q为模板图像的对象特征点的向量值矩阵，qi为矩阵q的第i行，m为每组对象特征点的总数；
根据所述仿射矩阵，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
6.根据权利要求1所述的方法，其特征在于，将对齐后的目标对象与模板对象进行融合，包括：
通过公式M(x,y)＝(1-α)I(x,y)+αJ(x,y)，将对齐后的目标对象与模板对象进行融合；
其中，0≤α≤1，M(x,y)为融合后的对象特征点，I(x,y)为对齐后的目标图像的对象特征点，J(x,y)为对齐后的模板图像的对象特征点。
7.根据权利要求1所述的方法，其特征在于，分别获取目标图像的对象特征点、模板图像的对象特征点，之后，还包括：
根据所述模板图像的特征点，抠出所述模板图像中的模板对象；
将对齐后的目标对象与模板对象进行融合，之后，还包括：
以融合后的对象替换所述模板对象。
8.一种图像融合的装置，其特征在于，包括：
获取模块，用于分别获取目标图像的对象特征点、模板图像的对象特征点；
对齐模块，用于根据所述目标图像的对象特征点和模板图像的对象特征点，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐；
融合模块，用于将对齐后的目标对象与模板对象进行融合。
9.根据权利要求8所述的方法，其特征在于，所述获取模块用于：
对目标图像进行对象检测，以确定目标图像中的目标对象；
对所述目标对象进行特征点定位，以获取目标图像的对象特征点；
对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点。
10.根据权利要求9所述的方法，其特征在于，对所述目标对象进行特征点定位，以获取目标图像的对象特征点；对模板图像中的模板对象进行特征点定位，以获取模板图像的对象特征点，包括：
对所述目标图像中的目标对象以及多张模板图片中的模板对象进行特征点定位，以分别获取所述目标图像的对象特征点以及所述多张模板图像的对象特征点；
从各组对象特征点中筛选出对象特征点；
基于筛选出的对象特征点，确定与所述目标对象最相似的模板图像。
11.根据权利要求8所述的方法，其特征在于，所述对齐模块用于：
根据所述目标图像的对象特征点和模板图像的对象特征点，并通过仿射变换，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
12.根据权利要求11所述的方法，其特征在于，所述对齐模块用于：
根据所述目标图像的对象特征点和模板图像的对象特征点，并利用仿射公式计算仿射矩阵R，
其中，R为2×2正交矩阵，s为缩放比例，T为二维平移向量，p为目标图像的对象特征点的向量值矩阵，pi为矩阵p的第i行，q为模板图像的对象特征点的向量值矩阵，qi为矩阵q的第i行，m为每组对象特征点的总数；
根据所述仿射矩阵，将所述目标图像中的目标对象与所述模板图像中的模板对象对齐。
13.根据权利要求8所述的方法，其特征在于，所述融合模块用于：
通过公式M(x,y)＝(1-α)I(x,y)+αJ(x,y)，将对齐后的目标对象与模板对象进行融合；
其中，0≤α≤1，M(x,y)为融合后的对象特征点，I(x,y)为对齐后的目标图像的对象特征点，J(x,y)为对齐后的模板图像的对象特征点。
14.根据权利要求8所述的方法，其特征在于，所述获取模块还用于：
根据所述模板图像的特征点，抠出所述模板图像中的模板对象；
所述融合模块还用于：
以融合后的对象替换所述模板对象。
15.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201810029791.9A 2018-01-12 2018-01-12 一种图像融合的方法和装置 Active CN110033420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810029791.9A CN110033420B (zh) 2018-01-12 2018-01-12 一种图像融合的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810029791.9A CN110033420B (zh) 2018-01-12 2018-01-12 一种图像融合的方法和装置

Publications (2)

Publication Number Publication Date
CN110033420A true CN110033420A (zh) 2019-07-19
CN110033420B CN110033420B (zh) 2023-11-07

Family

ID=67234797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810029791.9A Active CN110033420B (zh) 2018-01-12 2018-01-12 一种图像融合的方法和装置

Country Status (1)

Country Link
CN (1) CN110033420B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021238410A1 (zh) * 2020-05-29 2021-12-02 北京沃东天骏信息技术有限公司 图像处理方法、装置、电子设备和介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8326088B1 (en) * 2009-05-26 2012-12-04 The United States Of America As Represented By The Secretary Of The Air Force Dynamic image registration
CN104361314A (zh) * 2014-10-21 2015-02-18 华北电力大学（保定） 基于红外与可见光图像融合的变电设备定位方法及装置
CN104715447A (zh) * 2015-03-02 2015-06-17 百度在线网络技术（北京）有限公司 图像合成方法和装置
US9177225B1 (en) * 2014-07-03 2015-11-03 Oim Squared Inc. Interactive content generation
CN105243636A (zh) * 2015-11-27 2016-01-13 武汉工程大学 一种基于mrls-tps的图像变形方法及系统
US20160217319A1 (en) * 2012-10-01 2016-07-28 The Regents Of The University Of California Unified face representation for individual recognition in surveillance videos and vehicle logo super-resolution system
WO2017092592A1 (zh) * 2015-12-03 2017-06-08 阿里巴巴集团控股有限公司 一种图像融合的方法、装置和设备
CN107066941A (zh) * 2017-03-01 2017-08-18 桂林电子科技大学 一种人脸识别方法和系统
CN107146199A (zh) * 2017-05-02 2017-09-08 厦门美图之家科技有限公司 一种人脸图像的融合方法、装置及计算设备
US20170278302A1 (en) * 2014-08-29 2017-09-28 Thomson Licensing Method and device for registering an image to a model
CN107230181A (zh) * 2017-06-05 2017-10-03 厦门美柚信息科技有限公司 实现人脸图像融合的方法及装置
CN107330849A (zh) * 2017-06-12 2017-11-07 浙江大华技术股份有限公司 一种全景图像拼接的方法、装置、设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8326088B1 (en) * 2009-05-26 2012-12-04 The United States Of America As Represented By The Secretary Of The Air Force Dynamic image registration
US20160217319A1 (en) * 2012-10-01 2016-07-28 The Regents Of The University Of California Unified face representation for individual recognition in surveillance videos and vehicle logo super-resolution system
US9177225B1 (en) * 2014-07-03 2015-11-03 Oim Squared Inc. Interactive content generation
US20170278302A1 (en) * 2014-08-29 2017-09-28 Thomson Licensing Method and device for registering an image to a model
CN104361314A (zh) * 2014-10-21 2015-02-18 华北电力大学（保定） 基于红外与可见光图像融合的变电设备定位方法及装置
CN104715447A (zh) * 2015-03-02 2015-06-17 百度在线网络技术（北京）有限公司 图像合成方法和装置
CN105243636A (zh) * 2015-11-27 2016-01-13 武汉工程大学 一种基于mrls-tps的图像变形方法及系统
WO2017092592A1 (zh) * 2015-12-03 2017-06-08 阿里巴巴集团控股有限公司 一种图像融合的方法、装置和设备
CN107066941A (zh) * 2017-03-01 2017-08-18 桂林电子科技大学 一种人脸识别方法和系统
CN107146199A (zh) * 2017-05-02 2017-09-08 厦门美图之家科技有限公司 一种人脸图像的融合方法、装置及计算设备
CN107230181A (zh) * 2017-06-05 2017-10-03 厦门美柚信息科技有限公司 实现人脸图像融合的方法及装置
CN107330849A (zh) * 2017-06-12 2017-11-07 浙江大华技术股份有限公司 一种全景图像拼接的方法、装置、设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KARIM ADERGHAL: "Published By ACM FuseMe: Classification of sMRI images by fusion of Deep CNNs in 2D+ε projections", CBMI \'17: PROCEEDINGS OF THE 15TH INTERNATIONAL WORKSHOP ON CONTENT-BASED MULTIMEDIA INDEXING *
陈慧;李垣江;王建华;: "基于小波和仿射不变矩特征融合的舰船型号识别", 舰船科学技术, no. 15 *
高超;张鑫;王云丽;王晖;: "一种基于SIFT特征的航拍图像序列自动拼接方法", 计算机应用, no. 11 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021238410A1 (zh) * 2020-05-29 2021-12-02 北京沃东天骏信息技术有限公司 图像处理方法、装置、电子设备和介质

Also Published As

Publication number Publication date
CN110033420B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
CN108154196B (zh) 用于输出图像的方法和装置
US20190087686A1 (en) Method and apparatus for detecting human face
CN108038880A (zh) 用于处理图像的方法和装置
CN108171207A (zh) 基于视频序列的人脸识别方法和装置
CN108229376B (zh) 用于检测眨眼的方法及装置
CN110400363A (zh) 基于激光点云的地图构建方法和装置
CN107911753A (zh) 用于在视频中添加数字水印的方法和装置
CN109614934A (zh) 在线教学质量评估参数生成方法及装置
CN107133221A (zh) 信息审核方法、装置、计算机可读介质和电子设备
CN108388878A (zh) 用于识别人脸的方法和装置
CN108363995A (zh) 用于生成数据的方法和装置
CN108062544A (zh) 用于人脸活体检测的方法和装置
CN109903392A (zh) 增强现实方法和装置
CN109241934A (zh) 用于生成信息的方法和装置
CN109829397A (zh) 一种基于图像聚类的视频标注方法、系统以及电子设备
CN108171211A (zh) 活体检测方法和装置
CN109902644A (zh) 人脸识别方法、装置、设备和计算机可读介质
CN110110189A (zh) 用于生成信息的方法和装置
CN108446658A (zh) 用于识别人脸图像的方法和装置
CN108415653A (zh) 用于终端设备的锁屏方法和装置
CN108182457A (zh) 用于生成信息的方法和装置
CN108388889A (zh) 用于分析人脸图像的方法和装置
CN111654694B (zh) 图像处理算法的质量评测方法、装置及电子设备
CN109697392A (zh) 绘制目标对象热力图的方法及装置
CN108133197A (zh) 用于生成信息的方法和装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Applicant after: Jingdong Technology Holding Co.,Ltd.

Address before: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Applicant before: Jingdong Digital Technology Holding Co.,Ltd.

Address after: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Applicant after: Jingdong Digital Technology Holding Co.,Ltd.

Address before: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Applicant before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

Address after: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Applicant after: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

Address before: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Applicant before: BEIJING JINGDONG FINANCIAL TECHNOLOGY HOLDING Co.,Ltd.

GR01 Patent grant
GR01 Patent grant