KR102273059B1

KR102273059B1 - 얼굴 이미지를 강화하는 방법 및 장치, 전자 기기

Info

Publication number: KR102273059B1
Application number: KR1020200003263A
Authority: KR
Inventors: 리앙 장
Original assignee: 베이징 시아오미 인텔리전트 테크놀로지 컴퍼니 리미티드
Priority date: 2019-10-24
Filing date: 2020-01-09
Publication date: 2021-07-07
Also published as: KR20210049649A; US11250547B2; JP6942825B2; JP2021068407A; US20210125311A1; EP3813010B1; EP3813010A1; CN110796617A; CN110796617B

Abstract

본 발명은 얼굴 이미지를 강화하는 방법 및 장치, 전자 기기에 관한 것이다. 얼굴 이미지를 강화하는 방법은, 얼굴 이미지의 특징점에 따라 상기 얼굴 이미지 상의 복수의 특징 영역을 결정하는 단계; 각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어지는 단계; 상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득하는 단계; 상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어지는 단계; 를 포함한다.

Description

얼굴 이미지를 강화하는 방법 및 장치, 전자 기기{METHOD, APPARATUS AND ELECTRONIC DEVICE FOR ENHANCING FACE IMAGE}

본 발명은 이미지 처리 분야에 관한 것으로, 특히 얼굴 이미지를 강화하는 방법 및 장치, 전자 기기에 관한 것이다.

현재 사용자는 전자 기기로 사진을 촬영할 때 고해상도의 이미지를 추구하고 있으며, 특히 얼굴 이미지를 촬영할 때에는 조명 효과, 선명한 얼굴 윤곽, 얼굴에 불순물이 없는 효과가 기대된다. 그러나 카메라 모듈에 의해 수집된 이미지에 대해 이미지 처리를 진행할 때에는 일반적으로 얼굴 이미지 전체가 직접 강화되므로, 얼굴의 원시 평활한 영역의 불순물도 강화되는 경우가 많으며 화질이 저하된다. 그리고 사용자에 따라 얼굴의 피부 상태나 불순물도 다르므로, 동일한 강화 방법을 사용하여 강화하면 분명히 각 사용자 자신의 얼굴 특징에 적응하지 못하고 사용자의 수요를 충족시키지 못한다.

본 발명은 관련 기술에서의 단점을 해결하기 위한 얼굴 이미지를 강화하는 방법 및 장치, 전자 기기를 제공한다.

본 발명 실시예의 제 1 양태에 따르면, 얼굴 이미지를 강화하는 방법이 제공되고, 상기 방법은,

얼굴 이미지의 특징점에 따라 상기 얼굴 이미지 상의 복수의 특징 영역을 결정하는 단계;

각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어지는 단계;

상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득하는 단계;

상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어지는 단계; 를 포함한다.

선택적으로, 상기 각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어지는 단계는,

각 특징 영역에 대응하는 초기 강화 가중치 계수를 획득하는 단계;

각 특징 영역의 평활 계수 및 상기 얼굴 이미지에 대응하는 생리학적 특징 계수를 결정하는 단계;

각 특징 영역의 상기 평활 계수 및 상기 생리학적 특징 계수에 따라 상기 초기 강화 가중치 계수를 보정하여 상기 얼굴의 이산 강화 가중치 맵이 얻어지는 단계; 를 포함한다.

선택적으로, 상기 생리학적 특징 계수에는 성별 계수 및 연령 계수 중 적어도 하나가 포함된다.

선택적으로, 상기 각 특징 영역의 평활 계수를 결정하는 단계는,

각 특징 영역 내의 복수의 화소의 화소 값의 분산 및 평균치를 획득하는 단계;

상기 분산 및 상기 평균치에 따라 상기 평활 계수를 결정하는 단계; 를 포함한다.

선택적으로, 상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득하는 단계는,

가이드 이미지 필터 알고리즘에 따라 상기 얼굴의 연속 강화 가중치 맵을 결정하는 단계를 포함하고, 여기서, 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지는 상기 가이드 이미지 필터 알고리즘에서의 가이드 이미지로 사용되며, 상기 얼굴의 이산 강화 가중치 맵은 상기 가이드 이미지 필터 알고리즘에서의 입력 이미지로 사용된다.

선택적으로, 상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어지는 단계는,

이미지 강화 알고리즘을 통해 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지를 강화하여 강화 그레이 스케일 이미지가 얻어지는 단계;

상기 얼굴의 연속 강화 가중치 맵, 상기 원시 그레이 스케일 이미지 및 상기 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지가 얻어지는 단계;

상기 융합 그레이 스케일 이미지에 따라 상기 얼굴 강화 이미지를 획득하는 단계; 를 포함한다.

선택적으로, 상기 이미지 강화 알고리즘을 통해 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지를 강화하여 강화 그레이 스케일 이미지가 얻어지는 단계는,

고 대비 유지 알고리즘 및 상기 원시 그레이 스케일 이미지에 따라 상기 강화 그레이 스케일 이미지가 얻어지는 단계를 포함한다.

선택적으로, 상기 얼굴의 연속 강화 가중치 맵, 상기 원시 그레이 스케일 이미지 및 상기 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지가 얻어지는 단계는,

아래의 알고리즘에 따라 상기 융합 그레이 스케일 이미지가 얻어지는 단계를 포함하고,

Y_C_{(i, j)} = M_{(i, j)} * Y_B_{(i, j)} + (1 - M_{(i, j)}) * Y_A_{(i, j)}이며,

여기서, Y_C_{(i, j)}는 (i, j)에 위치하는 화소의 융합 그레이 스케일 이미지이고, M_{(i, j)}는 상기 얼굴의 연속 강화 가중치 맵에 따라 획득한 (i, j)에 위치하는 화소의 초점 이탈 가중치이며, Y_B_{(i, j)}는 (i, j)에 위치하는 화소의 강화 그레이 스케일 이미지이고, Y_A_{(i, j)}는 (i, j)에 위치하는 화소의 원시 그레이 스케일 이미지이다.

본 발명 실시예의 제 2 양태에 따르면, 얼굴 이미지를 강화하는 장치가 제공되며, 상기 장치는,

얼굴 이미지의 특징점에 따라 상기 얼굴 이미지 상의 복수의 특징 영역을 결정하는 결정 모듈;

각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어지는 보정 모듈;

상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득하는 제 1 획득 모듈;

상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어지는 제 2 획득 모듈을; 을 구비한다.

선택적으로, 상기 보정 모듈은,

각 특징 영역에 대응하는 초기 강화 가중치 계수를 획득하는 제 1 획득 유닛;

각 특징 영역의 평활 계수 및 상기 얼굴 이미지에 대응하는 생리학적 특징 계수를 결정하는 결정 유닛;

각 특징 영역의 상기 평활 계수 및 상기 생리학적 특징 계수에 따라 상기 초기 강화 가중치 계수를 보정하여 상기 얼굴의 이산 강화 가중치 맵이 얻어지는 보정 유닛; 을 구비한다.

선택적으로, 상기 결정 유닛은,

각 특징 영역 내의 복수의 화소의 화소 값의 분산 및 평균치를 획득하는 획득 서브 유닛;

상기 분산 및 상기 평균치에 따라 상기 평활 계수를 결정하는 결정 서브 유닛; 을 구비한다.

선택적으로, 상기 제 1 획득 모듈은,

가이드 이미지 필터 알고리즘에 따라 상기 얼굴의 연속 강화 가중치 맵을 결정하는 계산 유닛을 구비하고, 여기서, 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지는 상기 가이드 이미지 필터 알고리즘에서의 가이드 이미지로 사용되며, 상기 얼굴의 이산 강화 가중치 맵은 상기 가이드 이미지 필터 알고리즘에서의 입력 이미지로 사용된다.

선택적으로, 상기 제 2 획득 모듈은,

이미지 강화 알고리즘을 통해 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지를 강화하여 강화 그레이 스케일 이미지가 얻어지는 제 2 획득 유닛;

상기 얼굴의 연속 강화 가중치 맵, 상기 원시 그레이 스케일 이미지 및 상기 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지가 얻어지는 제 3 획득 유닛;

상기 융합 그레이 스케일 이미지에 따라 상기 얼굴 강화 이미지를 획득하는 제 4 획득 유닛; 을 구비한다.

선택적으로, 상기 제 2 획득 유닛은,

고 대비 유지 알고리즘 및 상기 원시 그레이 스케일 이미지에 따라 상기 강화 그레이 스케일 이미지가 얻어지는 획득 서브 유닛을 구비한다.

선택적으로, 상기 제 3 획득 유닛은,

아래의 알고리즘에 따라 상기 융합 그레이 스케일 이미지가 얻어지는 계산 서브 유닛을 구비하고,

본 발명 실시예의 제 3 양태에 따르면, 컴퓨터 명령이 저장된 컴퓨터 판독 가능한 기록매체가 제공되며, 이 명령이 프로세서에 의해 실행될 때, 상기 어느 하나의 실시예에 기재된 방법의 단계를 실현한다.

본 발명 실시예의 제 4 양태에 따르면, 전자 기기가 제공되며, 상기 전자 기기는

프로세서와,

프로세서에서 실행 가능한 명령을 저장하기 위한 메모리를 구비하며,

여기서, 상기 프로세서는 실행되면 상기 어느 하나의 실시예에 기재된 방법의 단계를 실현하도록 구성된다.

본 발명이 제공한 기술 방안에 따르면 하기와 같은 기술효과를 가져올 수 있다.

상기 실시예로부터 알 수 있듯이, 본 발명에서는 얼굴 이미지의 각각의 특징 영역에 대해 부동한 가중치를 구성할 수 있으므로, 얼굴의 부동한 영역에 대해 부동한 정도의 강화를 진행할 수 있으며, 이를 통해 불순물이 비교적 많은 영역을 평활화하는 동시에, 원시 평활한 영역이 과도하게 강화되는 것을 피할 수 있으며 얼굴 이미지의 화질 향상에 유리하다.

상기 일반적인 서술 및 하기 세부적인 서술은 단지 예시적이고 해석적이며, 본 발명을 한정하려는 것이 아님이 이해되어야 한다.

하기의 도면은 명세서에 병합되어 본 명세서의 일부를 구성하고 본 발명에 부합하는 실시예를 표시하며 명세서와 함께 본 발명의 원리를 해석한다.
도 1은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 방법을 나타내는 흐름도이다.
도 2는 일 예시적인 실시예에 따른 다른 얼굴 이미지를 강화하는 방법을 나타내는 흐름도이다.
도 3은 일 예시적인 실시예에 따른 얼굴 초기 강화 가중치 맵이다.
도 4는 일 예시적인 실시예에 따른 얼굴의 이산 강화 가중치 맵이다.
도 5는 일 예시적인 실시예에 따른 얼굴의 연속 강화 가중치 맵이다.
도 6은 일 예시적인 실시예에 따른 얼굴 이미지의 강화 효과를 나타내는 비교도이다.
도 7은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 1 블록도이다.
도 8은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 2 블록도이다.
도 9는 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 3 블록도이다.
도 10은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 4 블록도이다.
도 11은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 5 블록도이다.
도 12는 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 6 블록도이다.
도 13은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 7 블록도이다.
도 14는 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치에 적용되는 블록도이다.

여기서, 예시적인 실시예에 대하여 상세하게 설명하고, 그 사례를 도면에 표시한다. 하기의 서술이 도면에 관련될 때, 달리 명시하지 않는 경우, 서로 다른 도면에서의 동일한 부호는 동일한 구성 요소 또는 유사한 구성 요소를 나타낸다. 하기의 예시적인 실시예에서 서술한 실시방식은 본 발명에 부합되는 모든 실시 방식을 대표하는 것이 아니며, 실시방식들은 다만 첨부된 특허청구의 범위에 기재한 본 발명의 일부측면에 부합되는 장치 및 방법의 예이다.

본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위한 것이지, 본 발명을 한정하려는 의도가 아니다. 본 명세서 및 첨부된 특허청구의 범위에서 사용되는 단수 표현인 "일종" "상기" 및 "해당"은 아래위 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현도 포함하는 것으로 이해되어야 한다. 또한, 본 명세서에서 사용되는 "및/또는"이라는 용어에 대하여 하나 또는 복수와 관련되어 열거된 항목들의 임의의 또는 모든 가능한 조합들을 포함하는 것으로 이해되어야 한다.

그리고 본 명세서에서 제 1, 2, 3등과 같은 용어를 사용하여 각종 정보를 서술하고 있지만 이러한 정보가 전술한 용어에 제한된다고 이해해서는 안 된다. 다만, 이러한 용어들은 동일한 부류의 정보들을 서로 구분하기 위하여 사용된다. 예를 들어, 본 발명의 권리 범위로부터 벗어나지 않은 정황하에서 제 1 정보는 제 2 정보로 명명될 수 있고, 유사하게 제 2 정보는 제 1 정보로 명명될 수도 있다. 예를 들어, 언어 환경에 따라 사용되는 "만약"이라는 단어는 "…때" 또는 "……할때" 또는 "결정에 호응하여"로 확정된다.

도 1은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 방법을 나타내는 흐름도이며, 도 1에 나타낸 바와 같이, 이 방법은 단말기에 적용되며, 하기의 단계를 포함할 수 있다.

단계 101에 있어서, 얼굴 이미지의 특징점에 따라 상기 얼굴 이미지 상의 복수의 특징 영역을 결정한다.

본 실시예에서는 단말기에 구성된 카메라에 의해 수집된 얼굴 이미지를 획득 한 다음, CNN(Convolutional Neural Networks, 컨볼루션 신경망)에 따라 얼굴 얼라인먼트를 진행하여 얼굴의 주요 특징점을 얻을 수 있으며, 예를 들어, 눈, 코, 눈썹, 입, 얼굴 등의 복수의 윤곽점을 주요 특징점으로 결정할 수 있고, 획득한 복수의 주요 특징점에 따라 대응하는 복수의 특징 영역을 얻을 수 있으며, 이 특징 영역에는 눈썹 영역, 입 영역, 코 영역, 볼 영역, 눈 영역 및 얼굴 윤곽 등의 특징 영역이 포함될 수 있다. 여기서, 이 얼굴 얼라인먼트 알고리즘에는 얼굴의 기하학적 구조로서 에지를 사용하여 얼굴 특징점의 위치 특정을 진행하는 에지 감지 얼굴 얼라인먼트 알고리즘이 포함될 수 있으며, 물론, 에지 감지 얼굴 얼라인먼트 알고리즘 이외에, 다른 얼굴 얼라인먼트 알고리즘을 사용하여 상기 복수의 특징 영역을 획득할 수도 있다. 예를 들어, 3D 얼굴 알고리즘 또는 3D 밀집 얼굴 얼라인먼트 알고리즘이 채용될 수 있으며, 본 발명은 이를 제한하지 않는다.

단계 102에 있어서, 각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어진다.

본 실시예에서, 이 초기 강화 가중치 계수는 기계 학습의 결과에 따라 각 특징 영역에 대해 얻어진 고정 가중치 계수일 수 있다. 그러나 사용자에 따라 얼굴 상태가 다르므로, 예를 들어, 일부 사용자는 이마가 비교적 매끄럽고 다른 일 부분의 사용자는 이마 영역에 여드름이 비교적 많을 수 있으므로, 이 두 가지 부동한 유형의 사용자에 대해 이마 영역을 강화하는 경우에는 그에 따라 강화 강도도 변경하여야 하며, 이를 통해 이마의 원시 매끄러운 영역이 과도하게 강화되는 것을 피한다. 따라서, 본 발명에서는 초기 강화 가중치 계수를 보정하여 각 특징 영역에 적합한 부동한 강화 가중치를 얻을 수 있으며, 각 영역의 강화 가중치를 통합하여 얼굴 이미지 전체에 대한 얼굴의 이산 강화 가중치 맵을 얻을 수 있는 것을 제안한다.

여기서, 초기 강화 가중치 계수의 보정은 아래의 방법을 채용할 수 있으며, 우선, 각 특징 영역을 획득한 후에 각 특징 영역에 대응하는 초기 강화 가중치 계수를 획득하고, 그 다음, 각 특징 영역의 평활 계수 및 얼굴 이미지에 대응하는 생리학적 특징 계수를 결정한 후에 각 특징 영역의 평활 계수 및 생리학적 특징 계수에 따라 초기 강화 가중치 계수를 보정하고, 보정된 강화 가중치에 따라 얼굴의 이산 강화 가중치 맵이 얻어진다.

연령이 비교적 높은 사용자와 연령이 비교적 젊은 사용자 사이는 얼굴 불순물 상태에 차이가 있으므로, 이 생리학적 특징 계수에는 연령 계수가 포함될 수 있으며, 성별이 다를 경우에도 얼굴 불순물 상태에 차이가 있으므로, 이 생리학적 특징 계수에는 성별 계수가 포함될 수 있다. 물론, 또 다른 일부 실시예에서는 이 생리학적 특징 계수에는 연령 계수 및 성별 계수가 포함될 수 있다. 평활 계수는 얼굴의 각 특징 영역의 불순물 상태를 특성화하기 위해 사용될 수 있고, 구체적으로 아래의 방식으로 이 평활 계수를 획득할 수 있으며, 각 특징 영역 내의 복수의 화소의 화소 값의 분산 및 평균치를 획득한 다음, 분산 또는 평균치에 따라 이 평활 계수를 결정하거나, 또는 분산 및 평균치에 따라 평활 계수를 결정할 수 있으며, 본 발명은 이를 제한하지 않는다.

단계 103에 있어서, 상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득한다.

본 실시예에서는 우선, RGB 색 공간 내의 원시 이미지에 따라 이 원시 이미지에 대응하는 원시 그레이 스케일 이미지를 얻은 다음, 가이드 이미지 필터 알고리즘에 따라 얼굴의 연속 강화 가중치 맵을 결정할 수 있으며, 여기서, 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지는 상기 가이드 이미지 필터 알고리즘에서의 가이드 이미지로 사용되고, 얼굴의 이산 강화 가중치 맵은 상기 가이드 이미지 필터 알고리즘에서의 입력 이미지로 사용된다.

단계 104에 있어서, 상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어진다.

본 실시예에서는 이미지 강화 알고리즘을 통해 원시 그레이 스케일 이미지를 강화하여 강화 그레이 스케일 이미지를 얻을 수 있으며, 연속 흐림량 맵, 원시 그레이 스케일 이미지 및 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지를 얻을 수 있고, 나아가 이 융합 그레이 스케일 이미지를 RGB의 색 공간 내로 변환하여 강화 처리된 얼굴 강화 이미지를 얻을 수 있다. 여기서, 각 화소의 가중치에 따라 강화 그레이 스케일 이미지 및 원시 그레이 스케일 이미지를 융합하므로, 원시 이미지 내의 평활 영역을 과도하게 강화시키는 것을 피하고 평활 영역의 불순물이 과도하게 확대되는 것을 피할 수 있다.

여기서, 이 이미지 강화 알고리즘에는 고 대비 유지 알고리즘, 대수 이미지 강화 알고리즘, 지수 이미지 강화 알고리즘, 라플라스 연산자 이미지 강화 알고리즘 및 감마 변환 알고리즘 중 하나 이상이 포함될 수 있으며, 본 발명은 이를 제한하지 않는다. 아래의 알고리즘을 통해 연속 흐림량 맵, 원시 그레이 스케일 이미지 및 상기 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지를 얻을 수 있고,

상기 실시예에서 설명된 이미지 처리 방법을 상세하게 설명하기 위해, 하기에서는 일 구체적인 실시예에 기초하여 설명하도록 한다. 도 2에 나타낸 바와 같이, 이 이미지 처리 방법은 하기의 단계를 포함할 수 있다.

단계 201에 있어서, 얼굴 이미지를 획득한다.

본 실시예에서는 사용자가 단말기에 구성된 카메라 모듈을 트리거할 때, 단말기에서 이미징이 이루어질 수 있다. 예를 들어, 사용자가 단말기에 구성된 전면 카메라 모듈을 트리거할 때 이 얼굴 이미지를 얻을 수 있으며, 이 얼굴 이미지는 처리 전의 이미지이다. 물론, 사용자가 단말기에 구성된 후방 카메라 모듈을 트리거 할 때에도 상기 얼굴 이미지를 얻을 수 있으며, 본 발명은 이를 제한하지 않는다.

단계 202에 있어서, 얼굴 이미지 상의 복수의 특징 영역을 결정한다.

본 실시예에서는 CNN에 따라 얼굴 얼라인먼트를 진행하여 얼굴의 주요 특징점이 얻어지며, 예를 들어, 눈, 코, 눈썹, 입, 얼굴 등의 복수의 윤곽점을 주요 특징점으로 결정할 수 있고, 획득한 복수의 주요 특징점에 따라 대응하는 복수의 특징 영역을 얻을 수 있으며, 이 특징 영역에는 눈썹 영역, 입 영역, 코 영역, 볼 영역, 눈 영역 및 얼굴 윤곽 등의 특징 영역이 포함될 수 있다.

단계 203에 있어서, 각 특징 영역에 대응하는 초기 강화 가중치 계수를 획득한다.

본 실시예에서, 이 초기 강화 가중치 계수는 전자 기기 내에 사전에 저장된 소정의 계수이며, 이 소정의 계수는 경험에서 얻을 수도 있고 기계 학습을 통해 얻을 수도 있으며, 본 발명은 이를 제한하지 않는다. 예를 들어, 기계 학습에 의해 얻어진 초기 강화 가중치 계수 및 대응하는 각 특징 영역에 따라 도 3에 나타낸 얼굴의 각 영역의 가중치 맵을 얻을 수 있다.

단계 204에 있어서, 각 특징 영역의 평활 계수를 획득한다.

본 실시예에서, 각 특징 영역 내의 복수의 화소의 화소 값의 평균치 및 분산(variance)에 따라 이 특징 영역의 평활 계수를 결정할 수 있다.

구체적으로, 아래의 식을 사용하여 각 특징 영역의 화소 값의 평균치를 얻을 수 있으며,

여기서, x는 각 특징 영역의 화소 값이며, u는 각 특징 영역의 평균 화소 값이다.

아래의 식을 통해 각 특징 영역의 화소 값의 분산을 얻을 수 있으며,

여기서, x는 각 특징 영역의 화소 값이며, u는 각 특징 영역의 평균 화소 값이고, D는 각 특징 영역의 화소 분산이다.

여기서, 화소 값의 분산이 작을수록 이 특징 영역이 더 평활하므로, 평활 계수는 비교적 작을 수 있으며, 이를 통해 후속 보정된 초기 가중치 강화 계수를 비교적 작게 할 수 있다. 여기서, 이 분산 및 평균치에 따라 계산하여 평활 계수를 얻을 수 있다.

단계 205에 있어서, 얼굴 이미지의 생리학적 특징 계수를 획득한다.

본 실시예에서, 연령이 비교적 높은 사용자와 연령이 비교적 젊은 사용자 사이는 얼굴 불순물 상태에 차이가 있으므로, 이 생리학적 특징 계수에는 연령 계수가 포함될 수 있으며, 성별이 다를 경우에도 얼굴 불순물 상태에 차이가 있으므로, 이 생리학적 특징 계수에는 성별 계수가 포함될 수 있다. 물론, 또 다른 일부 실시예에서는 이 생리학적 특징 계수에는 연령 계수 및 성별 계수가 포함될 수 있다.

단계 206에 있어서, 초기 강화 가중치 계수, 평활 계수 및 생리학적 특징 계수에 따라 얼굴의 이산 강화 가중치 맵이 얻어진다.

본 실시예에서, 초기 강화 가중치 계수가 C_i이고, 평활 계수가 D_i이며, 성별 계수가 A이고, 연령 계수가 B인 것으로 가정하면, 아래의 방식으로 계산하여 보정된 강화 가중치 E_i를 얻을 수 있으며,

여기서, i는 각 특징 영역의 번호이다.

이에 따라 각 특징 영역의 강화 가중치 E_i가 얻어지며, 도 4에 나타낸 얼굴의 이산 강화 가중치 맵(M)을 얻을 수 있다.

단계 207에 있어서, 얼굴의 이산 강화 가중치 맵에 따라 얼굴의 연속 강화 가중치 맵이 얻어진다.

본 실시예에서는 가이드 필터 알고리즘을 통해 얼굴의 이산 강화 가중치 맵을 얼굴의 연속 강화 가중치 맵으로 확산할 수 있다. 여기서, 얼굴 이미지의 원시 그레이 스케일 이미지 Y_A를 가이드 이미지로 하고, 얼굴의 이산 강화 가중치 맵을 입력 이미지로 하여 계산함으로써, 기본적으로 얼굴의 이산 강화 가중치 맵과 유사하며 텍스처가 원시 그레이 스케일 이미지 Y_A에 상당한 도 5에 나타낸 얼굴의 연속 강화 가중치 맵(M)을 얻을 수 있다.

단계 208에 있어서, 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지에 따라 강화 그레이 스케일 이미지가 얻어진다.

본 실시예에서는 이미지 강화 알고리즘을 통해 원시 그레이 스케일 이미지 Y_A를 강화하여 강화 그레이 스케일 이미지 Y_B를 얻을 수 있으며, 이미지 강화 알고리즘에는 고 대비 유지 알고리즘, 대수 이미지 강화 알고리즘, 지수 이미지 강화 알고리즘, 라플라스 연산자 이미지 강화 알고리즘 및 감마 변환 알고리즘 중 하나 이상이 포함될 수 있고, 본 발명은 이를 제한하지 않는다. 고 대비 유지 알고리즘을 예로 들어, 임의의 가우스 커널을 사용하여 원시 그레이 스케일 이미지 Y_A을 흐리게 하여 흐린 이미지 Y_A1을 얻을 수 있고, 그 다음, 원시 그레이 스케일 이미지 Y_A 및 흐린 이미지 Y_A1에 따라 고주파 상세 이미지 Y_A2가 얻어지며, 이 고주파 상세 이미지 Y_A2를 소정의 스케일링량에 따라 스케일링한 후에 원시 그레이 스케일 이미지 Y_A 내에 축적함으로써 강화 그레이 스케일 이미지 Y_B를 얻을 수 있다. 여기서, 이 소정의 스케일링량은 1.5, 2 또는 2.5 등일 수 있으며, 본 발명은 이를 제한하지 않는다.

단계 209에 있어서, 얼굴의 연속 강화 가중치 맵 및 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지가 얻어진다.

본 실시예에서는 아래의 알고리즘을 통해 연속 흐림량 맵, 원시 그레이 스케일 이미지 및 상기 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지를 얻을 수 있고,

여기서, Y_C_{(i, j)}는 (i, j)에 위치하는 화소의 융합 그레이 스케일 이미지이고, M_{(i, j)}는 상기 얼굴의 연속 강화 가중치 맵에 따라 획득한 (i, j)에 위치하는 화소의 초점 이탈 가중치이며, Y_B_{(i, j)}는 (i, j)에 위치하는 화소의 강화 그레이 스케일 이미지이고, Y_A_{(i, j)}는 (i, j)에 위치하는 화소의 원시 그레이 스케일 이미지이며, i, j는 모두 양의 정수일 수 있고, 구체적으로 좌표계의 확립에 따라 결정할 수 있다.

단계 210에 있어서, 융합 그레이 스케일 이미지에 따라 얼굴 강화 이미지가 얻어진다.

본 실시예에서는 도 6에 나타낸 바와 같이, 왼쪽은 원시 얼굴 이미지이고 오른쪽은 강화된 얼굴 강화 이미지이다. 원시 얼굴 이미지와 비교하여 얼굴 강화 이미지가 더 선명하며, 또한 얼굴의 잡티가 과도하게 확대되지 않고 화질이 향상된 것을 뚜렷하게 알 수 있다.

전술한 얼굴 이미지를 강화하는 방법의 실시예에 대응하여, 본 발명은 얼굴 이미지를 강화하는 장치의 실시예를 더 제공한다.

도 7은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 1 블록도이다. 도 7을 참조하면, 이 장치는 결정 모듈(71), 보정 모듈(72), 제 1 획득 모듈(73) 및 제 2 획득 모듈(74)을 구비하고, 여기서,

결정 모듈(71)은 얼굴 이미지의 특징점에 따라 상기 얼굴 이미지 상의 복수의 특징 영역을 결정한다.

보정 모듈(72)은 각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어진다.

제 1 획득 모듈(73)은 상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득한다.

제 2 획득 모듈(74)은 상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어진다.

도 8에 나타낸 바와 같이, 도 8은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 2 블록도이고, 이 실시예는 전술한 도 7에 나타낸 실시예에 기초하며, 상기 보정 모듈(72)은 제 1 획득 유닛(721), 결정 유닛(722) 및 보정 유닛(723)을 구비하고, 여기서,

제 1 획득 유닛(721)은 각 특징 영역에 대응하는 초기 강화 가중치 계수를 획득한다.

결정 유닛(722)은 각 특징 영역의 평활 계수 및 상기 얼굴 이미지에 대응하는 생리학적 특징 계수를 결정한다.

보정 유닛(723)은 각 특징 영역의 상기 평활 계수 및 상기 생리학적 특징 계수에 따라 상기 초기 강화 가중치 계수를 보정하여 상기 얼굴의 이산 강화 가중치 맵이 얻어진다.

도 9에 나타낸 바와 같이, 도 9는 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 3 블록도이고, 이 실시예는 전술한 도 8에 나타낸 실시예에 기초하며, 상기 결정 유닛(722)은 획득 서브 유닛(7221) 및 결정 서브 유닛(7222)을 구비하고, 여기서,

획득 서브 유닛(7221)은 각 특징 영역 내의 복수의 화소의 화소 값의 분산 및 평균치를 획득한다.

결정 서브 유닛(7222)은 상기 분산 및 상기 평균치에 따라 상기 평활 계수를 결정한다.

도 10에 나타낸 바와 같이, 도 10은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 4 블록도이고, 이 실시예는 전술한 도 7에 나타낸 실시예에 기초하며, 상기 제 1 획득 모듈(73)은 계산 유닛(731)을 구비하고,

계산 유닛(731)은 가이드 이미지 필터에 따라 상기 얼굴의 연속 강화 가중치 맵을 결정하고, 여기서, 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지는 상기 가이드 이미지 필터 알고리즘에서의 가이드 이미지로 사용되며, 상기 얼굴의 이산 강화 가중치 맵은 상기 가이드 이미지 필터 알고리즘에서의 입력 이미지로 사용된다.

또한, 상기 도 10에 나타낸 장치의 실시예에서의 계산 유닛(731)의 구조는 또한 전술한 도 8 또는 도 9의 장치의 실시예에 포함될 수 있으며, 본 발명은 이를 제한하지 않는다.

도 11에 나타낸 바와 같이, 도 11은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 5 블록도이고, 이 실시예는 전술한 도 7에 나타낸 실시예에 기초하며, 상기 제 2 획득 모듈(74)은 제 2 획득 유닛(741) 제 3 획득 유닛(742) 및 제 4 획득 유닛(743)을 구비하고, 여기서,

제 2 획득 유닛(741)은 이미지 강화 알고리즘을 통해 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지를 강화하여 강화 그레이 스케일 이미지가 얻어진다.

제 3 획득 유닛(742)은 상기 얼굴의 연속 강화 가중치 맵, 상기 원시 그레이 스케일 이미지 및 상기 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지가 얻어진다.

제 4 획득 유닛(743)은 상기 융합 그레이 스케일 이미지에 따라 상기 얼굴 강화 이미지를 획득한다.

또한, 상기 도 11에 나타낸 장치의 실시예에서의 제 2 획득 유닛(741), 제 3 획득 유닛(742) 및 제 4 획득 유닛(743)의 구조는 또한 전술한 도 8 ~ 도 10 중 어느 하나의 장치 실시예에 포함될 수 있으며, 본 발명은 이를 제한하지 않는다.

도 12에 나타낸 바와 같이, 도 12는 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 6 블록도이고, 이 실시예는 전술한 도 11에 나타낸 실시예에 기초하며, 상기 제 2 획득 유닛(741)은 획득 서브 유닛(7411)을 구비하고,

획득 서브 유닛(7411)은 고 대비 유지 알고리즘 및 상기 원시 그레이 스케일 이미지에 따라 상기 강화 그레이 스케일 이미지가 얻어진다.

도 13에 나타낸 바와 같이, 도 13은 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치를 나타내는 제 7 블록도이고, 이 실시예는 전술한 도 11에 나타낸 실시예에 기초하며, 상기 제 3 획득 유닛(742)은 계산 서브 유닛(7421)을 구비하고,

계산 서브 유닛(7421)은 아래의 알고리즘에 따라 상기 융합 그레이 스케일 이미지가 얻어지고,

또한, 상기 도 13에 나타낸 장치의 실시예에서의 계산 서브 유닛(7421)의 구조는 또한 전술한 도 12의 장치의 실시예에 포함될 수 있으며, 본 발명은 이를 제한하지 않는다.

상기 실시예의 장치에 있어서, 각각의 모듈이 조작을 실시하는 구체적인 방식은 이미 관련 방법의 실시예에서 상세히 설명하였기에 여기서, 자세한 설명을 생략한다.

장치의 실시예에 관해서, 이는 기본적으로 방법의 실시예에 대응하므로 관련 부분은 방법의 실시예 부분의 설명을 참조하면 된다. 상기 장치의 실시예는 단지 예시적인 것으로, 여기서, 상기 분리 부재로 설명되는 유닛은 물리적으로 분리되어 있을 수도 있고 분리되지 않을 수도 있으며, 유닛으로 표시되는 부재는 물리적 유닛일 수도 있고 물리적 유닛이 아닐 수도 있으며, 즉, 한 곳에 위치할 수도 있고 복수의 네트워크 유닛 상에 분산될 수도 있다. 실제 수요에 따라 이들 모듈들의 일부 또는 전부를 선택하여 본 발명의 방안의 목적을 실현할 수 있다. 당업자는 창조적인 노력없이 이해 및 실시할 수 있다.

상응하게, 본 발명은 얼굴 이미지를 강화하는 장치를 더 제공하고, 상기 장치는 프로세서와, 프로세서에서 실행 가능한 명령을 저장하기 위한 메모리를 구비하며, 여기서, 상기 프로세서는 얼굴 이미지의 특징점에 따라 상기 얼굴 이미지 상의 복수의 특징 영역을 결정하고, 각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어지며, 상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득하고, 상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어지도록 구성된다.

상응하게, 본 발명은 단말기를 더 제공하고, 상기 단말기는 메모리와, 하나 이상의 프로그램을 구비하며, 여기서, 하나 이상의 프로그램은 메모리 내에 저장되고, 또한 하나 이상의 프로세서에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램에는 아래의 조작을 실행하기 위한 명령이 포함되고, 얼굴 이미지의 특징점에 따라 상기 얼굴 이미지 상의 복수의 특징 영역을 결정하고, 각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어지며, 상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득하고, 상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어진다.

도 14는 일 예시적인 실시예에 따른 얼굴 이미지를 강화하는 장치(1400)에 적용되는 블록도이다. 예를 들어, 장치(1400)는 휴대폰, 컴퓨터, 디지털 브로드캐스팅 단말기， 메시지 송수신 장치, 게임 콘솔, 태블릿 장치, 의료 설비, 헬스 기기, PDA 등일 수 있다.

도 14를 참조하면, 장치(1400)는 프로세싱 유닛(1402), 메모리(1404), 전원 유닛(1406), 멀티미디어 유닛(1408), 오디오 유닛(1410), 입출력(I/O) 인터페이스(1412), 센서 유닛(1414) 및 통신 유닛(1416) 중의 임의의 적어도 하나 이상을 포함할 수 있다.

프로세싱 유닛(1402)은 일반적으로 장치(1400)의 전체 조작，예를 들어, 디스플레이，전화 호출，데이터 통신，카메라 조작 및 기록 조작에 관련된 조작을 제어할 수 있다. 프로세싱 유닛(1402)은 임의의 적어도 하나 이상의 프로세서(1420)를 구비하여 명령어를 실행함으로써 상기 방법의 전부 또는 일부 단계를 완성할 수 있다. 또한， 프로세싱 유닛(1402)은 기타 유닛과의 인터랙션을 편리하게 하도록 임의의 적어도 하나 이상의 모듈을 포함할 수 있다. 예를 들어， 프로세싱 유닛(1402)은 멀티미디어 유닛(1408)과의 인터랙션을 편리하게 할 수 있도록 멀티미디어 모듈을 포함할 수 있다.

메모리(1404)는 장치(1400)의 조작을 서포트 하기 위하여 각종 유형의 데이터를 저장하도록 설치된다. 이러한 데이터는 예를 들어 장치(1400)에서 임의의 애플리케이션이나 방법을 조작하기 위한 명령어, 연락처 데이터, 전화 번호부 데이터, 메시지, 사진, 동영상 등을 포함할 수 있다. 메모리(1404)는 임의의 유형의 휘발성 또는 비휘발성 메모리 예를 들어 SRAM(Static Random Access Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), EPROM(Erasable Programmable Read Only Memory), PROM(Programmable ROM), ROM(Read Only Memory), 자기 메모리, 플래시 메모리, 자기 디스크 또는 콤팩트 디스크에 의해 또는 이들의 조합에 의해 실현될 수 있다.

전원 유닛(1406)은 장치(1400)의 각 유닛에 전력을 공급하기 위한 것이며, 전원 관리 시스템, 임의의 적어도 하나 이상의 전원 및 장치(1400)를 위하여 전력을 생성, 관리 및 분배하는데 관련된 기타 유닛을 포함할 수 있다.

멀티미디어 유닛(1408)은 장치(1400)와 사용자 사이에 출력 인터페이스를 제공하는 스크린을 포함할 수 있다. 일 실시예에 있어서, 스크린은 액정 디스플레이(LCD) 또는 터치 패널(TP)을 포함할 수 있다. 스크린이 터치 패널을 포함하는 경우, 사용자의 입력 신호를 수신하도록 터치 스크린으로 실현될 수 있다. 또한, 터치 패널은 터치, 슬라이딩 및 터치 패널위에서의 제스처(gesture)를 감지하도록 임의의 적어도 하나 이상의 터치 센서를 포함할 수 있다. 상기 터치 센서는 터치 또는 슬라이딩 동작의 경계위치를 감지할 수 있을 뿐만 아니라, 터치 또는 슬라이딩 조작에 관련되는 지속시간 및 압력을 검출할 수 있다. 일 실시예에 있어서, 멀티미디어 유닛(1408)은 전면 카메라 및/또는 후면 카메라를 포함할 수 있다. 장치(1400)가 예를 들어 촬영 모드 또는 동영상 모드 등 조작 모드 상태에 있을 때, 전면 카메라 및/또는 후면 카메라는 외부의 멀티미디어 데이터를 수신할 수 있다. 전면 카메라 및 후면 카메라 각각은 고정된 광학 렌즈 시스템 또는 가변 초점 거리 및 광학 줌 기능을 구비할 수 있다.

오디오 유닛(1410)은 오디오 신호를 출력 및/또는 입력하도록 설치될 수 있다. 예를 들어, 오디오 유닛(1410)은 마이크(MIC)를 포함할 수 있다. 장치(1400)가 예를 들어 호출 모드, 기록 모드 또는 음성 인식 모드 등 조작 모드 상태에 있을 때, 마이크는 외부의 오디오 신호를 수신하도록 설치될 수 있다. 수신된 오디오 신호는 메모리(1404)에 저장되거나 또는 통신 유닛(1416)을 통해 송신될 수 있다. 일 실시예에 있어서, 오디오 유닛(1410)은 오디오 신호를 출력하는 스피커를 더 포함할 수 있다.

I/O 인터페이스(1412)는 프로세싱 유닛(1402)과 주변 인터페이스 모듈 사이에 인터페이스를 제공하기 위한 것이다. 상기 주변 인터페이스 모듈은 키보드，클릭 휠，버튼 등일 수 있다. 이러한 버튼은 홈 버튼, 볼륨 버튼, 작동 버튼 및 잠금 버튼 등을 포함하되 이에 한정되지 않는다.

센서 유닛(1414)은 장치(1400)를 위해 각 방면의 상태를 평가하는 임의의 적어도 하나 이상의 센서를 포함할 수 있다. 예를 들어, 센서 유닛(1414)은 장치(1400)의 온/오프 상태, 유닛의 상대적인 포지셔닝을 검출할 수 있다. 예를 들어, 상기 유닛은 장치(1400)의 디스플레이 및 작은 키패드일 수 있다. 센서 유닛(1414)은 장치(1400) 또는 장치(1400)의 유닛의 위치 변경, 사용자와 장치(1400)사이의 접촉여부, 장치(1400)의 방위 또는 가속/감속 및 장치(1400)의 온도 변화를 검출할 수 있다. 센서 유닛(1414)은 어떠한 물리적 접촉도 없는 상황에서 근처의 물체를 검출하도록 구성되는 근접 센서를 포함할 수 있다. 센서 유닛(1414)은 이미지 형성 응용에 이용하기 위한 광 센서 예를 들어 CMOS 또는 CCD 이미지 센서를 포함할 수 있다. 일 실시예에 있어서, 상기 센서 유닛(1414)은 가속도 센서, 자이로 스코프 센서, 자기 센서, 압력 센서 또는 온도 센서를 더 포함할 수 있다.

통신 유닛(1416)은 장치(1400)와 기타 기기 사이의 무선 또는 유선 통신을 편리하게 진행하게 하도록 설치될 수 있다. 장치(1400)는 통신 표준을 기반으로 하는 무선 네트워크 예를 들어 WiFi, 2G 또는 3G, 4G LTE, 5G NR 또는 이들의 조합에 액세스할 수 있다. 일 예시적인 실시예에 있어서, 통신 유닛(1416)은 브로드캐스팅 채널을 통해 외부의 브로드캐스팅 관리 시스템에서의 브로드캐스팅 신호 또는 브로드캐스팅 관련 정보를 수신할 수 있다. 일 예시적인 실시예에 있어서, 상기 통신 유닛(1416)은 근거리 통신을 촉진하기 위한 근거리 무선 통신(NFC) 모듈을 더 포함할 수 있다. 예를 들어, NFC 모듈은 RFID기술, IrDA기술, UWB기술, 블루투스(BT) 기술 및 기타 기술에 의해 실현될 수 있다.

일 예시적인 실시예에 있어서, 장치(1400)는 상술한 방법을 실행하기 위하여 임의의 적어도 하나 이상의 ASIC(Application Specific Integrated Circuit), DSP(Digital Signal Processor), DSPD(Digital Signal Processing Device), PLD(Programmable Logic Device), FPGA(Field-Programmable Gate Array), 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서, 또는 기타 전자 소자에 의해 실현될 수 있다.

일 예시적인 실시예에서 명령어를 포함한 비일시적인 컴퓨터 판독 가능한 기록매체 예를 들어 명령어를 포함한 메모리(1404)를 더 제공한다. 상기 명령어는 장치(1400)의 프로세서(1420)에 의해 실행되어 상술한 방법을 완성할 수 있다. 예를 들어, 상기 비일시적인 컴퓨터 판독 가능한 기록매체는, ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크 및 광 데이터 메모리 등일 수 있다.

통상의 지식을 가진 자는 명세서에 대한 이해 및 명세서에 기재된 발명에 대한 실시를 통해 본 발명의 다른 실시방안을 용이하게 얻을 수 있다. 당해 출원의 취지는 본 발명에 대한 임의의 변형, 용도 또는 적응적인 변화를 포함하고, 이러한 변형, 용도 또는 적응적 변화는 본 발명의 일반적인 원리에 따르고, 당해 출원이 공개하지 않은 본 기술 분야의 공지기술 또는 통상의 기술수단을 포함한다. 명세서 및 실시예는 단지 예시적인 것으로서, 본 발명의 진정한 범위와 취지는 다음의 특허청구 범위에 의해 결정된다.

본 발명은 상기에 서술되고 도면에 도시된 특정 구성에 한정되지 않고 그 범위를 이탈하지 않는 상황에서 다양한 수정 및 변경을 실시할 수 있음에 이해되어야 한다. 본 발명의 범위는 단지 첨부된 특허청구 범위에 의해서만 한정된다.

Claims

얼굴 이미지의 특징점에 따라 상기 얼굴 이미지 상의 복수의 특징 영역을 결정하는 단계;
각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어지는 단계;
상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득하는 단계;
상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어지는 단계; 를 포함하고,
상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어지는 단계는,
이미지 강화 알고리즘을 통해 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지를 강화하여 강화 그레이 스케일 이미지가 얻어지는 단계;
상기 얼굴의 연속 강화 가중치 맵, 상기 원시 그레이 스케일 이미지 및 상기 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지가 얻어지는 단계;
상기 융합 그레이 스케일 이미지에 따라 상기 얼굴 강화 이미지를 획득하는 단계; 를 포함하고,
상기 얼굴의 연속 강화 가중치 맵, 상기 원시 그레이 스케일 이미지 및 상기 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지가 얻어지는 단계는,
아래의 알고리즘에 따라 상기 융합 그레이 스케일 이미지가 얻어지는 단계를 포함하고,
Y_C_{(i, j)} = M_{(i, j)} * Y_B_{(i, j)} + (1 - M_{(i, j)}) * Y_A_{(i, j)}이며,
여기서, Y_C_{(i, j)}는 (i, j)에 위치하는 화소의 융합 그레이 스케일 이미지이고, M_{(i, j)}는 상기 얼굴의 연속 강화 가중치 맵에 따라 획득한 (i, j)에 위치하는 화소의 초점 이탈 가중치이며, Y_B_{(i, j)}는 (i, j)에 위치하는 화소의 강화 그레이 스케일 이미지이고, Y_A_{(i, j)}는 (i, j)에 위치하는 화소의 원시 그레이 스케일 이미지인 것을 특징으로 하는 얼굴 이미지를 강화하는 방법.
제1항에 있어서,
상기 각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어지는 단계는,
각 특징 영역에 대응하는 초기 강화 가중치 계수를 획득하는 단계;
각 특징 영역의 평활 계수 및 상기 얼굴 이미지에 대응하는 생리학적 특징 계수를 결정하는 단계;
각 특징 영역의 상기 평활 계수 및 상기 생리학적 특징 계수에 따라 상기 초기 강화 가중치 계수를 보정하여 상기 얼굴의 이산 강화 가중치 맵이 얻어지는 단계; 를 포함하는
것을 특징으로 하는 얼굴 이미지를 강화하는 방법.
제2항에 있어서,
상기 생리학적 특징 계수에는 성별 계수 및 연령 계수 중 적어도 하나가 포함되는
것을 특징으로 하는 얼굴 이미지를 강화하는 방법.
제2항에 있어서,
상기 각 특징 영역의 평활 계수를 결정하는 단계는,
각 특징 영역 내의 복수의 화소의 화소 값의 분산 및 평균치를 획득하는 단계;
상기 분산 및 상기 평균치에 따라 상기 평활 계수를 결정하는 단계; 를 포함하는
것을 특징으로 하는 얼굴 이미지를 강화하는 방법.
제1항에 있어서,
상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득하는 단계는,
가이드 이미지 필터 알고리즘에 따라 상기 얼굴의 연속 강화 가중치 맵을 결정하는 단계를 포함하고, 여기서, 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지는 상기 가이드 이미지 필터 알고리즘에서의 가이드 이미지로 사용되며, 상기 얼굴의 이산 강화 가중치 맵은 상기 가이드 이미지 필터 알고리즘에서의 입력 이미지로 사용되는
것을 특징으로 하는 얼굴 이미지를 강화하는 방법.
삭제
제1항에 있어서,
상기 이미지 강화 알고리즘을 통해 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지를 강화하여 강화 그레이 스케일 이미지가 얻어지는 단계는,
고 대비 유지 알고리즘 및 상기 원시 그레이 스케일 이미지에 따라 상기 강화 그레이 스케일 이미지가 얻어지는 단계를 포함하는
것을 특징으로 하는 얼굴 이미지를 강화하는 방법.
삭제
얼굴 이미지의 특징점에 따라 상기 얼굴 이미지 상의 복수의 특징 영역을 결정하는 결정 모듈;
각 특징 영역의 초기 강화 가중치 계수를 보정하여 얼굴의 이산 강화 가중치 맵이 얻어지는 보정 모듈;
상기 얼굴의 이산 강화 가중치 맵에 따라 상기 얼굴 이미지에 대응하는 얼굴의 연속 강화 가중치 맵을 획득하는 제 1 획득 모듈;
상기 얼굴의 연속 강화 가중치 맵에 따라 상기 얼굴 이미지를 강화하여 얼굴 강화 이미지가 얻어지는 제 2 획득 모듈을; 을 구비하고,
상기 제 2 획득 모듈은,
이미지 강화 알고리즘을 통해 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지를 강화하여 강화 그레이 스케일 이미지가 얻어지는 제 2 획득 유닛;
상기 얼굴의 연속 강화 가중치 맵, 상기 원시 그레이 스케일 이미지 및 상기 강화 그레이 스케일 이미지에 따라 융합 그레이 스케일 이미지가 얻어지는 제 3 획득 유닛;
상기 융합 그레이 스케일 이미지에 따라 상기 얼굴 강화 이미지를 획득하는 제 4 획득 유닛; 을 구비하고,
상기 제 3 획득 유닛은,
아래의 알고리즘에 따라 상기 융합 그레이 스케일 이미지가 얻어지는 계산 서브 유닛을 구비하고,
Y_C_{(i, j)} = M_{(i, j)} * Y_B_{(i, j)} + (1 - M_{(i, j)}) * Y_A_{(i, j)}이며,
여기서, Y_C_{(i, j)}는 (i, j)에 위치하는 화소의 융합 그레이 스케일 이미지이고, M_{(i, j)}는 상기 얼굴의 연속 강화 가중치 맵에 따라 획득한 (i, j)에 위치하는 화소의 초점 이탈 가중치이며, Y_B_{(i, j)}는 (i, j)에 위치하는 화소의 강화 그레이 스케일 이미지이고, Y_A_{(i, j)}는 (i, j)에 위치하는 화소의 원시 그레이 스케일 이미지인
것을 특징으로 하는 얼굴 이미지를 강화하는 장치.
제9항에 있어서,
상기 보정 모듈은,
각 특징 영역에 대응하는 초기 강화 가중치 계수를 획득하는 제 1 획득 유닛;
각 특징 영역의 평활 계수 및 상기 얼굴 이미지에 대응하는 생리학적 특징 계수를 결정하는 결정 유닛;
각 특징 영역의 상기 평활 계수 및 상기 생리학적 특징 계수에 따라 상기 초기 강화 가중치 계수를 보정하여 상기 얼굴의 이산 강화 가중치 맵이 얻어지는 보정 유닛; 을 구비하는
것을 특징으로 하는 얼굴 이미지를 강화하는 장치.
제10항에 있어서,
상기 생리학적 특징 계수에는 성별 계수 및 연령 계수 중 적어도 하나가 포함되는
것을 특징으로 하는 얼굴 이미지를 강화하는 장치.
제10항에 있어서,
상기 결정 유닛은,
각 특징 영역 내의 복수의 화소의 화소 값의 분산 및 평균치를 획득하는 획득 서브 유닛;
상기 분산 및 상기 평균치에 따라 상기 평활 계수를 결정하는 결정 서브 유닛; 을 구비하는
것을 특징으로 하는 얼굴 이미지를 강화하는 장치.
제9항에 있어서,
상기 제 1 획득 모듈은,
가이드 이미지 필터 알고리즘에 따라 상기 얼굴의 연속 강화 가중치 맵을 결정하는 계산 유닛을 구비하고, 여기서, 상기 얼굴 이미지에 대응하는 원시 그레이 스케일 이미지는 상기 가이드 이미지 필터 알고리즘에서의 가이드 이미지로 사용되며, 상기 얼굴의 이산 강화 가중치 맵은 상기 가이드 이미지 필터 알고리즘에서의 입력 이미지로 사용되는
것을 특징으로 하는 얼굴 이미지를 강화하는 장치.
삭제
제9항에 있어서,
상기 제 2 획득 유닛은,
고 대비 유지 알고리즘 및 상기 원시 그레이 스케일 이미지에 따라 상기 강화 그레이 스케일 이미지가 얻어지는 획득 서브 유닛을 구비하는
것을 특징으로 하는 얼굴 이미지를 강화하는 장치.
삭제
컴퓨터 명령이 저장된 컴퓨터 판독 가능한 기록매체에 있어서,
이 명령이 프로세서에 의해 실행될 때, 제1항 내지 제5항 및 제7항 중 어느 한 항에 기재된 방법의 단계를 실현하는
것을 특징으로 하는 컴퓨터 판독 가능한 기록매체.
프로세서와,
프로세서에서 실행 가능한 명령을 저장하기 위한 메모리를 구비하며,
여기서, 상기 프로세서는 실행되면 제1항 내지 제5항 및 제7항 중 어느 한 항에 기재된 방법의 단계를 실현하도록 구성되는
것을 특징으로 전자 기기.