[发明专利]人脸图像中自动去除眼镜的方法

说明书

本发明提供了一种人脸图像中自动去除眼镜的方法。其包括以下步骤：1、进行基于半阈值和最小方差滤波的阈值分割判断是否有眼镜并获得眼镜的遮挡区域。2、由眼镜遮挡区域得到初始补偿域，对初始补偿域进行调整，根据最小距离原理搜索最佳匹配补偿域。3、用扇形线性插值的方法对眼镜遮挡区域进行补偿，得到不戴眼镜的人脸图像。本发明可以实现正面人脸图像中眼镜的自动去除，去除效果好。该方法仅根据当前人脸图像，既不需要训练集又不需要补偿集，既适用于深色边框和浅色边框眼镜，也适用于全框眼镜和半框眼镜。

技术领域

本发明涉及人脸图像的处理方法，具体地说是一种人脸图像中自动去除眼镜的方法。

背景技术

人脸识别技术由于其主动、直接、简单、友好等特点，市场前景十分广阔。近些年，虽然人脸识别技术取得了很大的进展，但是仍然受到面部表情、姿态、位置、头部尺寸的变化和遮挡物等因素的限制。作为最常见的遮挡物，眼镜通常会给人脸的后续处理和识别过程带来很大的影响。

至今，针对人脸图像眼镜去除方面的研究并不多。有研究人员建立了戴眼镜的人脸图像和它对应的不戴眼镜的人脸图像的联合概率分布模型，并通过这个模型来合成不戴眼镜的人脸图像，但是对于那些无框的眼镜，精确定位所需要的15个特征点是非常难的。有研究人员将PCA技术用于人脸图像的眼镜摘除，虽然利用PCA重建的人脸图像是无眼镜的，但实际上眼镜所带来的重建误差被分散到整幅人脸图像，不利于识别。有研究人员用PCA迭代误差补偿算法重建眼镜遮挡区域的图像，但PCA提取的特征只呈现出人脸形状而对人脸细节表现不够。有研究人员提出PCA-ICA-W方法，该方法虽然可以取得较好的结果，但事先也需要对大量人脸样本进行训练重建才能得到无眼镜人脸图像，计算量大，效率不高。

眼镜去除过程中使用训练集时，训练集中的人脸图像要经过人脸对齐等预处理。实时情况下很难有合适的不戴眼镜的人脸图像作为训练集；即便有合适的训练集，但事先需要对大量人脸样本进行训练重建。眼镜去除过程中使用补偿集时，补偿集是亮度、纹理相近的其他人脸图像。实时情况下很难找到这样的人脸图像作为补偿集；即便存在补偿集，用作补偿集的人脸图像与待去除眼镜的人脸图像不是同一个人，两幅图像的光照条件或皮肤纹理都存在一定的差异。

发明内容

本发明提供了一种人脸图像中自动去除眼镜的方法，在不需要训练集也不需要补偿集的情况下，适时、快速自动生成失真度低的去除眼镜人脸图像。

本发明是这样实现的：

人脸图像中自动去除眼镜的方法，包括如下步骤：

s1、进行基于半阈值和最小方差滤波的阈值分割,判断是否有眼镜并获得眼镜的遮挡区域；

s2、由眼镜遮挡区域得到初始补偿域，对初始补偿域进行调整，根据最小距离原理得到最佳匹配补偿域；

s3、用扇形线性插值的方法对眼镜遮挡区域进行补偿，得到不戴眼镜的人脸图像。

所述的人脸图像中自动去除眼镜的方法，s1步包括以下步骤：

s1a.根据人脸的先验知识建立人眼的椭圆模型，用该模型代替人眼区域；

s1b.采用半阈值分割得到包含眼镜在内的显著区域；

s1c.使用最小方差滤波的图像分割及连通域去除技术获得显著区域边界即准确的眼镜遮挡区域边界并以周长面积比作为眼镜有无的判断标准；

所述的人脸图像中自动去除眼镜的方法，s2步包括以下步骤：

s2a.按照获得的眼镜遮挡区域边界轮廓，依次确定初始补偿域；

s2b.依据最小距离原理确定最佳匹配补偿域；

所述的人脸图像中自动去除眼镜的方法，s3步包括以下步骤：