CN111931566A - 一种基于图像处理的人脸卡通形象设计方法 - Google Patents

一种基于图像处理的人脸卡通形象设计方法 Download PDF

Info

Publication number
CN111931566A
CN111931566A CN202010621707.XA CN202010621707A CN111931566A CN 111931566 A CN111931566 A CN 111931566A CN 202010621707 A CN202010621707 A CN 202010621707A CN 111931566 A CN111931566 A CN 111931566A
Authority
CN
China
Prior art keywords
image
face
gray level
template
gray
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
CN202010621707.XA
Other languages
English (en)
Other versions
CN111931566B (zh
Inventor
杨章静
张辉
张凡龙
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.)
NANJING AUDIT UNIVERSITY
Original Assignee
NANJING AUDIT UNIVERSITY
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 NANJING AUDIT UNIVERSITY filed Critical NANJING AUDIT UNIVERSITY
Priority to CN202010621707.XA priority Critical patent/CN111931566B/zh
Publication of CN111931566A publication Critical patent/CN111931566A/zh
Application granted granted Critical
Publication of CN111931566B publication Critical patent/CN111931566B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • 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 by the use of more than one image, e.g. averaging, subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Abstract

本发明公开了一种基于图像处理的人脸卡通形象设计方法，包括：设计卡通画背景、灰度模板、人脸背景；使用ASM算法获取输入图像中的人脸特征点；根据人脸特征点获取输入图像中的人脸区域；对人脸区域图像进行归一化操作，将其大小变成和人脸背景同样的大小；对彩色人脸区域图像进行灰度变换，将其变换为灰度图像；将人脸区域图像和灰度模板进行图像变换，得到人脸图像；结合背景图像得到生成卡通图像。当要输出彩色卡通图像时，还要将人脸区域图像和彩色模板进行图像变换，得到人脸图像后，将各图像融合得到生成图像Y。本发明方法基于输入的单张图像、背景、模板即可生成生动逼真的人脸卡通形象，无需采用大量图像进行训练，大幅降低计算开销。

Description

一种基于图像处理的人脸卡通形象设计方法
技术领域
本发明属于图像处理技术领域，涉及一种基于图像处理的人脸卡通形象设计方法。
背景技术
卡通动画制作是一项应用广泛的技术，在广播电视、网络等领域有着普遍化的应用。传统的制作方法是：将具有各个表情和动作的每一帧人脸都绘制出来，通过连续播放实现连贯的动画效果。而今，随着图像处理技术的日益发展，常采用计算机绘制卡通形象，效率大大提高。在实际应用中，常有将图像处理成卡通形象的需求，也有一些相关技术。
例如，“A nonlinear approach for face sketch synthesis and recognition，Qingshan Liu,Xiaoou Tang,Hongliang Jin,Hanqing Lu,Songde Ma，2005CVPR”论文中即是采用基于画像合成与画像识别实现人脸形象设计。其基于locall linear embedding(LLE)方法，用photo-sketch pair训练集训练出来的模型(P)自动生成pseudo-sketch。由于画家画的素描难免有偏差，以及pseudo-sketch会有模糊，因此画像识别采用KNDA方法。但该方法需要用到大量的现有图像，文章中用了600幅图像训练，如果数据少则无法达到文中所称的技术效果，而且生成的人脸形象效果不够理想，真实度无法令人满意。
发明内容
为解决上述问题，本发明公开了一种基于图像处理的人脸卡通形象设计方法，能够将人脸图像结合已有模板处理成卡通形象。
为了达到上述目的，本发明提供如下技术方案：
一种基于图像处理的人脸卡通形象设计方法，包括如下步骤：
步骤1，预先设计卡通画背景U、灰度模板T、人脸背景M；
步骤2，输入图像X，使用ASM算法获取输入图像X中的人脸特征点；
步骤3，根据步骤2获得的人脸特征点获取输入图像中的人脸区域；
步骤4，对步骤3获得的人脸区域图像进行归一化操作，将其大小变成和人脸背景M同样的大小；
步骤5，当步骤4获得的人脸区域图像是彩色图像时，则将其灰度变换，将其变换为灰度图像A；当步骤4获得的人脸区域图像是灰度图像，则将其作为灰度图像A；
步骤6，将步骤5获得的人脸区域图像A和灰度模板T进行图像变换，得到人脸图像C；
具体包括以下步骤：
(1)对人脸区域图像A的直方图进行均衡化处理，得到图像灰度级为a；
(2)计算模板T图像的概率密度函数P(T)，求解图像T进行均衡化处理的变换函数Q(T)；
(3)将图像A均衡化中得到的灰度级a代入步骤(2)，求解逆变换c＝Q-1(a)，c即为变换后的图像，也就是人脸图像C的像素值；
步骤7，将卡通画背景图像U做反色，再和步骤6获得的人脸图像C的灰度值逐点相加，再做反色处理，即得生成图像Y。
进一步的，所述步骤5中，灰度变换过程如下：
灰度图像＝0.3R+0.6G+0.1B
其中，R、G、B为人脸区域图像的R、G、B分量。
一种基于图像处理的人脸卡通形象设计方法，包括如下步骤：
步骤1，预先设计卡通画背景U、灰度模板T、彩色模板S、人脸背景M；
步骤2，输入图像X，使用ASM算法获取输入图像X中的人脸特征点；
步骤3，根据步骤2获得的上述特征点获取图像X中的人脸区域；
步骤4，对步骤3获得的人脸区域图像归一化，将其大小变成和人脸背景M同样的大小；
步骤5，当步骤4获得的人脸区域图像是彩色图像，则将其灰度变换，将其变换为灰度图像A；当步骤4获得的人脸区域图像是灰度图像，则将其作为灰度图像A；
步骤6，将步骤5获得的人脸区域图像A和灰度模板T进行图像变换，得到人脸图像C；
具体包括以下步骤：
(1)对人脸区域图像A的直方图进行均衡化处理，得到图像灰度级为a；
(2)计算模板T图像的概率密度函数P(T)，求解图像T进行均衡化处理的变换函数Q(T)；
(3)将图像A均衡化中得到的灰度级a代入步骤(2)，求解逆变换c＝Q-1(a)，c即为变换后的图像，也就是人脸图像C的像素值；
步骤7，将步骤5获得的人脸区域图像A和彩色模板S进行图像变换，得到人脸图像D；
具体包括以下步骤：
(1)对人脸区域图像A的直方图进行均衡化处理，得到图像灰度级为a，
(2)将彩色模板S按照RGB分量分解成三幅子图像，S_R，S_G，S_B，分别计算图像S_R，S_G和S_B的概率密度函数P_R(S_R)，P_G(S_G)和P_B(S_B)；再分别求解图像S_R，S_G和S_B进行均衡化处理的变换函数Q_R(S_R)，Q_G(S_G)和Q_B(S_B)；
(3)将图像A均衡化中得到的灰度级a代入步骤(2)，分别求解逆变换d_R＝Q_R-1(a)，d_G＝Q_R-1(a)和d_B＝Q_R-1(a)；d_R，d_G和d_B为图像D的RGB分量，它们合成的d即为变换后的图像，也就是人脸图像D的像素值；
步骤8，将步骤6获得的人脸图像C和步骤7获得的人脸图像D以及卡通画背景U做图像融合，得到生成图像Y；
具体包括以下步骤：
将上述三幅图像两两融合；先C和D融合，将图像C的像素和图像D的像素逐点相乘，再归一化，得到图像C_D，再将图像C_D的像素和图像U的像素逐点相乘，再归一化，即得生成图像Y。
进一步的，所述步骤5中，灰度变换过程如下：
灰度图像＝0.3R+0.6G+0.1B
其中，R、G、B为人脸区域图像的R、G、B分量。
与现有技术相比，本发明具有如下优点和有益效果：
本发明方法基于输入的单张图像、背景、模板即可生成生动逼真的人脸卡通形象，无需像现有算法一样采用大量图像进行训练，大幅降低计算开销，提高输出效率。本发明提供了分别生成彩色和灰度两种人脸卡通形象的方法，能够满足不同需求。
附图说明
图1为实施例一中输入输出图像和模板示意图，其中，(a)为输入图像X，(b)为卡通画背景U，(c)为灰度模板T，(d)为人脸背景(红色部分)M，(e)为生成图像Y。
图2为实施例二中输入输出图像和模板示意图，其中，(a)为输入图像X，(b)为卡通画背景U，(c)为灰度模板T，(d)为彩色模板S，(e)为人脸背景(红色部分)M，(f)为生成图像Y。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一：
本例中输入图像X如图1(a)所示，采用本发明提供的基于图像处理的人脸卡通形象设计方法，基于输入图像X，根据已有的模板和背景，生成卡通形象图像。卡通图像为灰度图像。本发明具体包括如下步骤：
方法步骤：
步骤1，预先设计如图1(b)所示的卡通画背景U，如图1(c)所示的灰度模板T，如图1(d)中红色部分所示的人脸背景M。
步骤2，输入图像X，使用ASM(Active Shape Model)算法获取输入图像X中的人脸特征点。
步骤3，根据上述特征点获取图像X中的人脸区域。
步骤4，对人脸区域图像进行归一化操作，将其大小变成和图1(d)中红色部分人脸背景M同样的大小。
步骤5，如果人脸区域图像是灰度图像，则不进行操作；如果人脸区域图像是彩色图像，则将其灰度变换，将其变换为灰度图像。最终得到人脸区域图像A。
灰度变换算法如下：
对R、G、B分量进行加权平均的算法，具体公式为：灰度图像＝0.3R+0.6G+0.1B。
步骤6，将归一化后的人脸区域图像A和灰度模板T进行图像变换，得到人脸图像C。
图像变换算法包括以下步骤：
(1)对人脸区域图像A的直方图进行均衡化处理，得到图像灰度级为a；
(2)计算模板T图像的概率密度函数P(T)，求解图像T进行均衡化处理的变换函数Q(T)；
(3)将图像A均衡化中得到的灰度级a代入步骤(2)，求解逆变换c＝Q-1(a)。c即为变换后的图像，也就是人脸图像C的像素值。
步骤7，将卡通画背景图像U做反色，再和人脸图像C的灰度值逐点相加，再做反色即得到生成图像Y，如图1(e)所示，Y为灰度图像。
实施例二：
本例中输入图像X如图2(a)所示，采用本发明提供的基于图像处理的人脸卡通形象设计方法基于输入图像X，根据已有的模板和背景，生成彩色卡通形象图像。具体包括如下步骤：
步骤1，预先设计如图2(b)所示的卡通画背景U，如图2(c)所示的灰度模板T，如图2(d)所示的彩色模板S，如图2(e)中红色部分所示的人脸背景M。
步骤2，输入图像X，使用ASM算法获取输入图像X中的人脸特征点。
步骤3，根据上述特征点获取图像X中的人脸区域。
步骤4，对人脸区域图像归一化，将其大小变成和人脸背景(红色部分)M同样的大小。
步骤5，如果人脸区域图像是灰度图像，则不进行操作。如果是彩色图像，则将其灰度变换，将其变换为灰度图像。最终得到人脸区域图像A。
灰度变换算法如下：对R、G、B分量进行加权平均的算法：灰度图像＝0.3R+0.6G+0.1B。
步骤6，将归一化后的人脸区域图像A和灰度模板T进行图像变换，得到人脸图像C。
图像变换算法包括以下步骤：
(1)对人脸区域图像A的直方图进行均衡化处理，得到图像灰度级为a，
(2)计算模板T图像的概率密度函数P(T)，求解图像T进行均衡化处理的变换函数Q(T)；
(3)将图像A均衡化中得到的灰度级a代入步骤(2)，求解逆变换c＝Q-1(a)。c即为变换后的图像，也就是人脸图像C的像素值。
步骤7，将归一化后的人脸区域图像A和彩色模板S进行图像变换，得到人脸图像D。
图像变换算法包括以下步骤：
(1)对人脸区域图像A的直方图进行均衡化处理，得到图像灰度级为a，
(2)将彩色模板S按照RGB分量分解成三幅子图像，S_R，S_G，S_B，分别计算图像S_R，S_G和S_B的概率密度函数P_R(S_R)，P_G(S_G)和P_B(S_B)。再分别求解图像S_R，S_G和S_B进行均衡化处理的变换函数Q_R(S_R)，Q_G(S_G)和Q_B(S_B)；
(3)将图像A均衡化中得到的灰度级a代入步骤(2)，分别求解逆变换d_R＝Q_R-1(a)，d_G＝Q_R-1(a)和d_B＝Q_R-1(a)。d_R，d_G和d_B为图像D的RGB分量，它们合成的d即为变换后的图像，也就是人脸图像D的像素值。
步骤8，将人脸图像C和人脸图像D以及卡通画背景U做图像融合，得到生成图像Y。
图像融合算法包括以下步骤：将上述三幅图像两两融合。先C和D融合，将图像C的像素和图像D的像素逐点相乘，再归一化，得到图像C_D，再将图像C_D的像素和图像U的像素逐点相乘，再归一化，得到生成图像Y，如图2(f)所示，Y为彩色图像。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (4)

1.一种基于图像处理的人脸卡通形象设计方法，其特征在于，包括如下步骤：
步骤1，预先设计卡通画背景U、灰度模板T、人脸背景M；
步骤2，输入图像X，使用ASM算法获取输入图像X中的人脸特征点；
步骤3，根据步骤2获得的人脸特征点获取输入图像中的人脸区域；
步骤4，对步骤3获得的人脸区域图像进行归一化操作，将其大小变成和人脸背景M同样的大小；
步骤5，当步骤4获得的人脸区域图像是彩色图像时，则将其灰度变换，将其变换为灰度图像A；当步骤4获得的人脸区域图像是灰度图像，则将其作为灰度图像A；
步骤6，将步骤5获得的人脸区域图像A和灰度模板T进行图像变换，得到人脸图像C；
具体包括以下步骤：
(1)对人脸区域图像A的直方图进行均衡化处理，得到图像灰度级为a；
(2)计算模板T图像的概率密度函数P(T)，求解图像T进行均衡化处理的变换函数Q(T)；
(3)将图像A均衡化中得到的灰度级a代入步骤(2)，求解逆变换c＝Q-1(a)，c即为变换后的图像，也就是人脸图像C的像素值；
步骤7，将卡通画背景图像U做反色，再和步骤6获得的人脸图像C的灰度值逐点相加，再做反色处理，即得生成图像Y。
2.根据权利要求1所述的基于图像处理的人脸卡通形象设计方法，其特征在于，所述步骤5中，灰度变换过程如下：
灰度图像＝0.3R+0.6G+0.1B
其中，R、G、B为人脸区域图像的R、G、B分量。
3.一种基于图像处理的人脸卡通形象设计方法，其特征在于，包括如下步骤：
步骤1，预先设计卡通画背景U、灰度模板T、彩色模板S、人脸背景M；
步骤2，输入图像X，使用ASM算法获取输入图像X中的人脸特征点；
步骤3，根据步骤2获得的上述特征点获取图像X中的人脸区域；
步骤4，对步骤3获得的人脸区域图像归一化，将其大小变成和人脸背景M同样的大小；
步骤5，当步骤4获得的人脸区域图像是彩色图像，则将其灰度变换，将其变换为灰度图像A；当步骤4获得的人脸区域图像是灰度图像，则将其作为灰度图像A；
步骤6，将步骤5获得的人脸区域图像A和灰度模板T进行图像变换，得到人脸图像C；
具体包括以下步骤：
(1)对人脸区域图像A的直方图进行均衡化处理，得到图像灰度级为a；
(2)计算模板T图像的概率密度函数P(T)，求解图像T进行均衡化处理的变换函数Q(T)；
(3)将图像A均衡化中得到的灰度级a代入步骤(2)，求解逆变换c＝Q-1(a)，c即为变换后的图像，也就是人脸图像C的像素值；
步骤7，将步骤5获得的人脸区域图像A和彩色模板S进行图像变换，得到人脸图像D；具体包括以下步骤：
(1)对人脸区域图像A的直方图进行均衡化处理，得到图像灰度级为a，
(2)将彩色模板S按照RGB分量分解成三幅子图像，S_R，S_G，S_B，分别计算图像S_R，S_G和S_B的概率密度函数P_R(S_R)，P_G(S_G)和P_B(S_B)；再分别求解图像S_R，S_G和S_B进行均衡化处理的变换函数Q_R(S_R)，Q_G(S_G)和Q_B(S_B)；
(3)将图像A均衡化中得到的灰度级a代入步骤(2)，分别求解逆变换d_R＝Q_R-1(a)，d_G＝Q_R-1(a)和d_B＝Q_R-1(a)；d_R，d_G和d_B为图像D的RGB分量，它们合成的d即为变换后的图像，也就是人脸图像D的像素值；
步骤8，将步骤6获得的人脸图像C和步骤7获得的人脸图像D以及卡通画背景U做图像融合，得到生成图像Y；
具体包括以下步骤：
将上述三幅图像两两融合；先C和D融合，将图像C的像素和图像D的像素逐点相乘，再归一化，得到图像C_D，再将图像C_D的像素和图像U的像素逐点相乘，再归一化，即得生成图像Y。
4.根据权利要求3所述的基于图像处理的人脸卡通形象设计方法，其特征在于，所述步骤5中，灰度变换过程如下：
灰度图像＝0.3R+0.6G+0.1B
其中，R、G、B为人脸区域图像的R、G、B分量。
CN202010621707.XA 2020-07-01 2020-07-01 一种基于图像处理的人脸卡通形象设计方法 Active CN111931566B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010621707.XA CN111931566B (zh) 2020-07-01 2020-07-01 一种基于图像处理的人脸卡通形象设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010621707.XA CN111931566B (zh) 2020-07-01 2020-07-01 一种基于图像处理的人脸卡通形象设计方法

Publications (2)

Publication Number Publication Date
CN111931566A true CN111931566A (zh) 2020-11-13
CN111931566B CN111931566B (zh) 2022-10-21

Family

ID=73317021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010621707.XA Active CN111931566B (zh) 2020-07-01 2020-07-01 一种基于图像处理的人脸卡通形象设计方法

Country Status (1)

Country Link
CN (1) CN111931566B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4276738A4 (en) * 2021-02-09 2023-11-29 Beijing Zitiao Network Technology Co., Ltd. IMAGE DISPLAY METHOD AND APPARATUS, DEVICE AND MEDIUM

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080004109A1 (en) * 2002-12-26 2008-01-03 Amnart Kanarat Automatic attractiveness rating machine
CN101187990A (zh) * 2007-12-14 2008-05-28 华南理工大学 一种会话机器人系统
CN106920208A (zh) * 2015-12-24 2017-07-04 掌赢信息科技（上海）有限公司 一种基于图像处理的人脸风格化方法及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080004109A1 (en) * 2002-12-26 2008-01-03 Amnart Kanarat Automatic attractiveness rating machine
CN101187990A (zh) * 2007-12-14 2008-05-28 华南理工大学 一种会话机器人系统
CN106920208A (zh) * 2015-12-24 2017-07-04 掌赢信息科技（上海）有限公司 一种基于图像处理的人脸风格化方法及电子设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4276738A4 (en) * 2021-02-09 2023-11-29 Beijing Zitiao Network Technology Co., Ltd. IMAGE DISPLAY METHOD AND APPARATUS, DEVICE AND MEDIUM

Also Published As

Publication number Publication date
CN111931566B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
Pan et al. Physics-based generative adversarial models for image restoration and beyond
CN108875935B (zh) 基于生成对抗网络的自然图像目标材质视觉特征映射方法
CN107153816B (zh) 一种用于鲁棒人脸识别的数据增强方法
Huang et al. Robust single-image super-resolution based on adaptive edge-preserving smoothing regularization
Chen et al. Haze removal using radial basis function networks for visibility restoration applications
CN106127684A (zh) 基于双向递归卷积神经网络的图像超分辨率增强方法
CN108537754B (zh) 基于形变引导图的人脸图像复原系统
CN111008938B (zh) 一种基于内容和连续性引导的实时多帧比特增强方法
CN112507617B (zh) 一种SRFlow超分辨率模型的训练方法及人脸识别方法
KR102289045B1 (ko) 멀티 스케일 객체 이미지 복원 방법 및 장치
CN107590775B (zh) 一种利用回归树场的图像超分辨率放大方法
CN117011207A (zh) 一种基于扩散模型的虚拟试衣方法
CN111652233A (zh) 一种针对复杂背景的文本验证码自动识别方法
CN110853119A (zh) 一种鲁棒的基于参考图片的妆容迁移方法
CN112837215A (zh) 一种基于生成对抗网络的图像形状变换方法
Zhao et al. High resolution local structure-constrained image upsampling
CN111931566B (zh) 一种基于图像处理的人脸卡通形象设计方法
Liu et al. Single image super-resolution using a deep encoder–decoder symmetrical network with iterative back projection
Yang et al. Low‐light image enhancement based on Retinex decomposition and adaptive gamma correction
CN116682120A (zh) 基于深度学习的多语种马赛克图像文本识别方法
CN114449181B (zh) 图像和视频处理方法及其系统、数据处理设备、介质
US20240054605A1 (en) Methods and systems for wavelet domain-based normalizing flow super-resolution image reconstruction
CN110443754B (zh) 一种数字图像分辨率提升的方法
Zhang et al. ArtBank: Artistic Style Transfer with Pre-trained Diffusion Model and Implicit Style Prompt Bank
Zhang et al. Image super-resolution via RL-CSC: when residual learning meets convolutional sparse coding

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
GR01 Patent grant
GR01 Patent grant