[发明专利]一种基于人脸图像分割对抗思想的去网纹方法

权利要求书

1.一种网纹人脸图像生成方法，其特征在于，包括如下步骤：

StepA：生成横向基础网纹线1：

x＝rand(1,5)+sin(rand(4,6)*i)+rand(1,5)*(j-2*rand()) 公式1

StepB：生成纵向基础网纹线2：

y＝rand(1,5)+sin(-rand(4,6)*i)+rand(1,5)*(j+2*rand()) 公式2

其中，i∈[0,10:1000],j∈[0,1,2,3]

StepC：组合StepA和StepB的网纹线，绘制形成交叉状不规则网纹网格，并与不含网纹人脸图像进行像素叠加融合，形成网纹人脸图像：

fusion_image＝plt(ori_image,[x,y]) 公式3

StepD：对网纹掩模进行膨胀操作，通过不同膨胀次数生成不同粗细的网纹图像：

dilate_data＝dilate(mesh_data,n) 公式4

其中：n∈[1,2,3,4,5]表示膨胀次数，次数越多，网纹线越粗；

StepE：进行模糊操作，模拟实际中不同质量的图像，对图像进行模糊化处理，逼近真实的图像质量：

blur_data＝function(mesh_data) 公式5

其中：

function∈[mean_filter,median_filter,gaussian_filter,low_pass_filter]分别取均值滤波、中值滤波、高斯滤波和低通滤波之一，得到不同模糊化效果；

StepF：进行形状变换，生成不同角度、不同形变和姿态的网纹样例，丰富训练用网纹数据：

trans_data＝function(mesh_data) 公式6

其中：function∈[sin_cos_trans,perspective_trans,rotate_trans,flip_trans]分别表示取正余弦变换、透射变换、角度倾斜和翻转操作；

StepG：利用生成式对抗网络，以设计的生成网纹人脸图像作为网络输入，表示真实的数据分布，利用生成网络G将随机噪声生成模拟网纹人脸图像，采用判别网络D判别生成网纹人脸图像的质量，通过不断的训练G网络和D网络，最终使得模拟生成网纹人脸图像的分布近似拟合原始输入真实的网纹人脸图像数据分布，此时生成器生成的网纹人脸图像数据将作为网纹去除结果的测试样例。

2.一种基于人脸图像分割对抗思想的去网纹方法，其特征在于，包括如下步骤：

Step1：采集包含人像面在内的身份证信息，通过人脸检测方法提取出身份证信息中的原始人脸图像，且只保留人脸区域；同时对检测到的原始人脸图像进行打标签，确认唯一ID；

Step2：通过上述权利要求1所述网纹人脸图像生成方法，与Step1中检测到的原始人脸图像进行融合生成网纹人脸图像；

Step3：采用基于深度学习的图像分割算法模型，以Inception为基础网络结构构建去网纹网络模型；将Step1中获取的原始人脸图像与Step2中生成的网纹人脸图像输送到去网纹模型中训练，输出去除网纹后的人脸图像。

3.如权利要求2所述的去网纹方法，其特征在于，在前述Step1中，采集获取包括人像面的身份证照片,通过手机拍摄、电脑摄像头拍摄、外设软件拍摄的方式在线和/或离线获取居民身份证图像。

4.如权利要求2所述的去网纹方法，其特征在于，在前述Step1中，原始人脸图像的获取采用haar特征，Adaboost级联算法，对身份证原始图像进行人脸检测，获得只包含人脸区域的人脸图像。

5.如权利要求2所述的去网纹方法，其特征在于，在前述Step2中，设计的随机网络生成算法，包括不同粗细的网纹线，模糊化、正余弦变换、透射变换和角度倾斜、翻转在内的多种操作的集合，以满足不同类型和不同质量的网纹图像。

6.如权利要求2所述的去网纹方法，其特征在于，在前述Step3中，基于深度学习的分割模型为改进的Unet分割网络。