柳婷婷基于样本学习的卡通画生成算法.pptVIP

基于样本学习的卡通肖像画生成算法 导师：费广正 学生：柳婷婷 组织结构 一、研究意义 二、研究现状 三、基于样本学习的卡通肖像画生成算法 四、算法实现 五、总结与展望 六、程序演示 一、研究意义 应用广泛、值得研究 夸张化的卡通画更具表现力和娱乐性。 二、研究现状 2.1 人脸特征提取方法 2.2 人脸特征卡通化方法 2.3 卡通肖像画的生成方法 2.1 人脸特征提取方法 简单模板标识人脸特征 （by Ergun Akleman ） 手工标定人脸特征 （特征点个数、位置） 自动标定人脸特征（使用最多） 依据颜色信息； 依据统计规律（ASM）； 依据形状信息（主动轮廓模型） 2.2 人脸特征卡通化方法 启发式的夸张方法 人脸特征构件匹配法 与平均脸对比的显著特征夸张方法 基于训练样本的统计学习方法(微软亚洲研究院) 2.3 卡通肖像画的生成方法 依据卡通化结果进行图像变形 依据大小和位置匹配特征构件 三、基于样本学习的卡通肖像画生成算法  主要工作： 1. 定义人脸特征模型 2. 基于主元分析法对人脸数据降维 3. 建立RBF神经网络，学习照片与卡通画的关系 4. 生成卡通肖像线条画  主要工作： 1. 定义人脸特征模型 2. 基于主元分析法对人脸数据降维 3. 建立RBF神经网络，学习照片与卡通画的关系 4. 生成卡通肖像线条画 3.1 人脸特征模型定义 定义最显著的69个特征点组成人脸特征模型 延用群组分割的思想，将特征点分为脸型、左眼等8个群组 X=(x1,x2,…,x138) 一张人脸照片或卡通肖像画被表示为一个138（69个特征点，每个特征点取x，y坐标）维向量。 人脸照片样本集 ? 人脸照片向量集：P={ pi | i = 1,2,…,6} 卡通肖像画样本集 ? 卡通肖像画向量集: C={ ci | i = 1,2,…,6}  主要工作： 1. 定义人脸特征模型 2. 基于主元分析法对人脸数据降维 3. 建立RBF神经网络，学习照片与卡通画的关系 4. 生成卡通肖像线条画 3.2 基于主元分析法对人脸数据降维 主元分析法（Principal Component Analysis，PCA） 把多指标转化为几个综合指标的多元统计分析方法 去掉相关性小的冗余信息、降维 采用原因： 人脸数据相关性大 运算量大 实质：坐标变换，数据总方差不变，方差发生重新分布 (1 2)，(k m), 被分析数据维数从m降到k维。 采用主元贡献率法确定要选取的主元个数(k)，该方法定义如下：  － 计算主元过程中产生的特征值，与主元一一对应。 照片向量特征值统计结果 卡通肖像画向量特征值统计结果 pca处理后的照片低维向量 pca处理后的卡通画低维向量  主要工作： 1. 定义人脸特征模型 2. 基于主元分析法对人脸数据降维 3. 建立RBF神经网络，学习照片与卡通画的关系 4. 生成卡通肖像线条画 3.3 径向基函数（RBF）神经网络建立与学习 人工神经网络由大量简单的处理单元组成 解决非线性、复杂的、内部具有相关性的问题 采用原因： 卡通肖像画与人脸照片之间存在一种复杂的非线形关系 选取RBF径向基网络，训练速度非常快 RBF 网络结构图 6个输入神经元，m个隐含层神经元，一个输出神经元 为隐含层传输函数