主权项 |
一种联合局部与全局特性的两阶段人脸画像生成方法,包括如下步骤:(1)划分样本:(1a)从照片画像对集合中取出M张照片组成训练照片样本集T<sub>p</sub>,2≤M≤U‑1,U表示照片画像对集合中照片画像对的总数;(1b)从照片画像对集合中取出与训练照片样本集T<sub>p</sub>的照片一一对应的M张画像,组成训练画像样本集T<sub>s</sub>;(1c)将照片画像对集合中剩余的照片画像对组成测试样本集T<sub>q</sub>;(2)划分图像块:(2a)从测试样本集T<sub>q</sub>中任意选取一张测试照片L,将测试照片L划分成大小相同,且重叠程度相同的图像块,并组成测试照片块集合;(2b)将训练照片样本集T<sub>p</sub>中的每一张照片,划分成大小相同,且重叠程度相同的图像块,并组成训练照片样本块集合;(2c)将训练画像样本集T<sub>s</sub>中的每一张画像,划分成大小相同,且重叠程度相同的图像块,并组成训练画像样本块集合;(3)划分图像块子集:(3a)使用K均值聚类算法,将训练照片样本块集合划分成多个全局性的训练照片样本块子集R<sub>k</sub>,k=1,…,g,g表示训练照片样本块子集的总数;(3b)使用K均值聚类算法,将训练画像样本块集合划分成多个全局性的训练画像样本块子集Q<sub>k</sub>,k=1,…,v,v表示训练画像样本块子集总数;(3c)将训练画像样本块集合中位置不同的训练画像块划分成多个局部性的训练画像样本块子集Q<sub>j</sub>,j=1,…,N,N表示划分成的图像块的总数,1≤N≤50000;(4)生成初始合成画像块:(4a)按照下式,求解从全局性的训练照片样本块子集R<sub>k</sub>映射到全局性的训练画像样本块子集Q<sub>k</sub>的映射系数矩阵:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>w</mi><mi>k</mi></msub><mo>=</mo><msub><mi>Q</mi><mi>k</mi></msub><msubsup><mi>R</mi><mi>k</mi><mi>T</mi></msubsup><msup><mrow><mo>(</mo><msub><mi>R</mi><mi>k</mi></msub><msubsup><mi>R</mi><mi>k</mi><mi>T</mi></msubsup><mo>+</mo><mn>0.5</mn><mi>E</mi><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup></mrow>]]></math><img file="FDA0000994220850000021.GIF" wi="528" he="71" /></maths>其中,Q<sub>k</sub>表示第k个训练画像样本块子集,T<sub>s</sub>表示第k个训练照片样本块子集,T表示转置操作,E表示单位矩阵,‑1表示求逆操作;(4b)使用K均值聚类算法,将测试照片块集合的测试照片块划分成不同的测试照片样本块子集P<sub>k</sub>,k=1,…,z,z表示测试照片样本块子集的总数;(4c)按照下式,求解初始合成画像块子集:S<sub>k</sub>=w<sub>k</sub>P<sub>k</sub>其中,S<sub>k</sub>表示第k个初始合成画像块子集,w<sub>k</sub>表示从第k个全局性的训练照片样本块子集映射到第k个全局性的训练画像样本块子集Q<sub>k</sub>的映射系数矩阵,P<sub>k</sub>表示第k个测试照片样本块子集;(4d)建立初始合成画像块集合,将所有初始合成画像块放到初始合成画像块集合内;(5)生成最终合成画像块:(5a)初始合成画像块集合中每一个初始合成画像块均位于画像的不同位置,将每一个初始合成画像块按位置不同划分到不同的训练画像样本块子集中;(5b)从训练画像样本块子集中找出与初始合成画像块最相似的训练画像块作为最终合成画像块;(5c)建立最终合成画像块集合,将所有最终合成画像块放到最终合成画像块集合内;(6)合成画像:采用拼接合成画像块的方法,将最终合成画像块集合内所有的最终合成画像块拼接,得到合成画像。 |