[发明专利]一种面向压缩人脸图像的自适应去块效应方法

说明书

一种面向压缩人脸图像的自适应去块效应方法涉及图像去噪领域，本发明将三维块匹配滤波方法中的块搜索区域根据人脸的对称性扩展。滤波器中的方差参数(sigma)也会根据眼睛鼻子嘴巴的位置以及压缩质量自适应的调整。根据人脸的对称性以及相似的几何结构特征，人脸自适应三维块匹配滤波方法可以针对人脸图像中的去块效应结果有更进一步的提高。对人脸图像进行模型统计，将人脸的先验位置信息引入图像去块效应过程，在滤波的同时更好地保持人脸图像细节信息；针对不同压缩比下的人脸图像，采用不同的参数滤波，使得滤波更具有针对性，优化了算法。

技术领域

本发明涉及图像去噪领域，特别涉及一种面向压缩人脸图像的自适应三维块匹配滤波去块效应方法。

背景技术

高质量的图像和视频信息在多媒体应用中具有重要的作用。高质量图像不但具有更为真实的视觉感受，而且是后续自动分析和识别算法取得高效性能的重要基础。然而，针对海量视频图像，存储空间和传输带宽的限制，图像视频都是以低比特压缩方式常态存在的。基于分块离散余弦变换(BDCT,Blocked Discrete Cosine Transform)的方法广泛应用于图像和视频压缩标准中，如JPEG，MPEG，H.264等。但是，当JPEG压缩率较高时，通常会导致解码后重建图像的质量下降。压缩失真不仅会降低人脸图像的主观质量，同时也会导致后续人脸识别的识别率降低。因此，针对高度压缩后的低质人脸图像，研究图像去块效应技术，提高图像的质量，具有重要的理论意义和实际应用价值。

针对图像去噪问题，人们提出了很多优秀的去噪算法。Buades提出一种基于自然图像还有互相似块的非局部滤波算法。Jung提出一种基于数据稀疏性和冗余性表达的字典学习算法来去除压缩图像中的块效应。Zhao在此的基础上进行改进，根据梯度将图像分为纹理块、边缘块、平滑块，针对不同的图像块类别选择不同的阈值，获得更好的滤波效果。Dong将近两年最流行的深度学习引入图像去噪领域，获得较好的去噪效果。在这些算法中，三维块匹配滤波方法(BM3D，Block-Matching and 3D filtering)是比较典型的图像去噪算法之一，同时也是一种有效的去块效应方法。

本发明提出了一种人脸自适应的三维块匹配滤波方法。我们将三维块匹配滤波方法中的块搜索区域根据人脸的对称性扩展。滤波器中的方差参数(sigma)也会根据眼睛鼻子嘴巴的位置以及压缩质量自适应的调整。根据人脸的对称性以及相似的几何结构特征，人脸自适应三维块匹配滤波方法可以针对人脸图像中的去块效应结果有更进一步的提高。

发明内容

本发明的目的在于，面向压缩人脸图像，采用一种改进的人脸自适应三维块匹配滤波方法，解决压缩人脸图像中的块效应失真问题，以提高人脸图像的主客观效果。

本发明是采用以下技术手段实现的：

一种改进的人脸自适应三维块匹配滤波方法，算法分为两个部分：获取自适应参数以及三维块匹配滤波部分。自适应参数的选择包括根据不同的压缩比选择不同的滤波器方差参数(sigma)。首先，面向人脸图像建立模型；然后，根据人脸模型，将图像分为背景区域与目标区域；最后，针对不同区域采用不同的参数。三维块匹配滤波部分依据自适应参数对输入图像进行变换域协同滤波处理。

所述获取自适应参数部分分为3个步骤：

(1)定义人脸模型

人脸图像作为一种特殊图像，具有对称性。因此，搜索图像相似块的范围应该包括左右对称的部分。例如，眼睛部分的图像块为参考块时，搜索的范围应该包括左眼和右眼两个部分。但是，全局搜索是极其耗时的。不同的人脸图像有着相似的几何结构，即眼睛、鼻子、嘴巴的位置是相似的。人脸图像中主要的细节信息集中在这几个位置。因此，滤波器参数sigma针对于五官区域及平坦区域应该选取不同的参数。

为了实现这种方案，我们定义了一个人脸模型。我们选取N幅正面人脸图像，根据人眼位置归一化。然后，将N张人脸图像叠加，得到一个统计能量图。