基于局部嵌入式隐马尔可夫模型的照片生成方法

摘要

本发明公开了一种基于局部嵌入式隐马尔可夫模型的照片生成方法。该方法的过程是：从样本集中划分出训练集和测试集，选取测试集中的一张画像作为待变换画像，训练集中的画像一照片对作为训练样本，将待变换画像及所有训练样本均匀划分为相互重叠的块；对于待变换画像的每个块，从训练样本中选择出相似度最大的K个训练画像块及其对应的K个训练照片块，并对每对训练画像块和照片块进行联合训练，建立耦合模型对库，根据K个耦合模型对生成K个中间伪照片块，将其进行加权融合，得到最终的伪照片块；将所有伪照片块进行组合得到最终的伪照片。本发明生成的照片清晰，质量高，纹理丰富，可用于根据模拟照片实现对犯罪嫌疑人身份的自动确认和识别。

主权项

1.一种基于局部嵌入式隐马尔可夫模型的照片生成方法，包括如下过程：A.将画像—照片对样本集划分为训练集和测试集，选取测试集中的一张画像作为测试画像S，训练集中的N个画像—照片对作为训练样本；B.对图像进行分块处理，将测试画像及训练集中的所有人脸图像均匀地划分为相互重叠的块，测试画像S的块为{s₁，s₂，…，s_M}，对于训练集中的第i个画像—照片对S_tri和P_tri，分别被划分为{s_tri1，s_tri2，…，s_triM}和{p_tri1，p_tri2，…，p_triM}，其中M为每个图像的块数；C.对每个训练画像块建立嵌入式隐马尔可夫模型λ，用前向—后向算法计算测试画像块s_j的观察向量与模型λ的相似性并选择相似度最大的K个模型对应的画像块s_chok，相似度分别为$P\left(O_{s_j}\right|{\lambda }_{s_{\mathrm{cho}1}}),P\left(O_{s_j}\right|{\lambda }_{s_{\mathrm{cho}2}}),···,P\left(O_{s_j}\right|{\lambda }_{s_{\mathrm{choK}}}),$k＝1，2，…，K，K值通过设定一个相似度水平阈值来控制，一般设为7；D.根据上步中选择到的K个画像块，在训练集中确定与之相对应的照片块，构成K对画像块—照片块(s_chok，p_chok)，并对每对画像块—照片块(s_chok，p_chok)进行联合训练，建立耦合模型对库()，其中k＝1，2，…，K；E.根据K个训练样本模型对，将测试画像块s_j进行解码，并重构生成K个中间伪照片块p_seuk，其中k＝1，2，…，K；F.根据过程C中计算得到的测试画像块s_j与其K近邻的相似度，设定各中间伪照片块的加权系数为：$w_k=\frac{P\left(O_{s_j}\right|{\lambda }_{s_{\mathrm{chok}}})}{\underset{l=1}{\overset{K}{\Sigma }}P\left(O_{s_j}\right|{\lambda }_{s_{\mathrm{chol}}})},k=\mathrm{1,2},···,K$其中，为测试画像块s_j的观察向量，为利用前向—后向算法计算得到的与模型的相似度；G.将所获得的K个中间伪照片块根据过程F中的加权系数进行加权融合，得到对应于测试画像块s_j的最终伪照片块p_sj：$p_{s_j}=\underset{k=1}{\overset{K}{\Sigma }}{w}_k{p}_{\mathrm{seuk}}.$H.重复进行上述过程C～过程G，直到测试画像S的所有块都被转换成了伪照片块，将这些伪照片块进行组合，生成对应于测试画像S的伪照片。