基于偏最小二乘回归人物肖像动漫线条画生成系统.docVIP

基于偏最小二乘回归人物肖像动漫线条画生成系统 　　摘 要： 介绍了基于偏最小二乘回归（Partial least-square）的人脸卡通线条画的生成系统，通过输入人脸照片以及对应的艺术家绘制的线条卡通画来读取人脸特征点，然后利用偏最小二乘回归算法求出人脸照片及其对应的卡通画之间的统计关系，并利用此关系求出新输入人脸照片的卡通效果人脸特征点坐标值，最后通过曲线四点插值对这些点进行绘制，生成具有艺术家风格的人脸卡通线条画的效果。 　　关键词：偏最小二乘回归（PLS） 卡通线条画 四点插值细分 艺术家绘制 　　中图分类号：TP391 文献标识码：A 文章编号：1003-9082（2015）10-0006-01 　　前言 　　计算机绘画是计算机图形学研究领域的一个分支，它利用计算机图形图像生成技术和软件技术让计算机生成各种风格的绘画手法。通过让计算机学习并模拟艺术家的绘画风格得到各种各样的绘画效果，大大节省了时间和人力资源。 　　一、人脸卡通线条画生成算法 　　本文介绍的人脸卡通线条画生成系统框架，通过建立训练样本，读取人脸特征点，然后利用统计学中偏最小二乘回归（pls）的方法求出原图像和目标图像之间的统计关系，最后通过线条画绘制得到最终的结果 　　1.特征点提取 　　1.1 建立训练样本 　　计算机模拟艺术家生成卡通风格的人脸动画，需要学习人脸照片和对应的艺术家绘制的卡通线条画之间的统计关系，这就需要一定的训练样本。我们使用的训练样本包括人脸库中的一组正面的人脸图像{ =0，1….n}和对应的一组艺术家绘制的人脸线条卡通画 {Di=0，1….n } 。训练样本必须满足以下要求：正面人脸图像；帽子、眼镜和胡须等人脸附加物未能挡住人脸的五官和脸部轮廓；同一种风格；人脸照片和对应的卡通线条画保持几何对齐。 　　1.2 标注特征点 　　本系统中，我们以两眼球连线的中点为原点，原点到眼球的距离为单位长度，以连线的垂直平分线为y轴，以连线为x轴。本系统采用手工标注人脸特征点的方法。为了更好地表达人脸信息和准确生成线条画，我们一共标注了人脸 69 个特征点，分别包括：脸部轮廓：16 个；左眼：7 个；右眼：7 个；鼻子：11 个；左眉：6 个；右眉：6 个；上嘴唇：10 个；下嘴唇：6 个。 　　2.基于 PLS 的人脸卡通线条画的生成算法 　　偏最小二乘回归（Partial least-square）是一种新型的多元统计数据分析方法。偏最小二乘回归分析，最初是研究多解释变量和多个反应变量的定量关系，即在解释变量空间和反应变量空间分别寻找某些线性组合（潜变量），并使得两个变量空间的协方差最大。本文的系统之所以采取偏最小二乘回归来分析多组人脸照片和与之对应的卡通线条画之间的相关性，是因为偏最小二乘回归方法主要有以下几个方面的优越性：①偏最小二乘回归是一种多因变量对多自变量的回归建模方法；②偏最小二乘回归可以较好地解决自变量之间的多重相关性问题；③偏最小二乘回归在建模同时实现了数据结构的简化，因此，可以在二维平面图上对多维数据的特性进行观察，这使得偏最小二乘回归分析的图形功能十分强大。 　　2.1 PLS 分析 　　以本系统训练样本中的原人脸照片的特征点坐标作为自变量，对应的目标人脸卡通线条画的特征点坐标作为因变量，此时我们考虑的是原人脸照片 {S，i=0，1….n}和目标人脸线条卡通画{D ，i=0，1….n}之间的建模问题。在本系统中，特征点横坐标和纵坐标单独分析，把原图像和目标图像特征点的横坐标分别记为：S ， D，纵坐标记为：a.TU1。下面我们仅仅以横坐标为例进行偏最小二乘回归分析。其中，n表示训练样本中取得的人脸的数目，p表示所标注特征点的数目。 　　我们在自变量集中提取出第一主成分（潜变量），T1同时在因变量中也提取第一主成分U1，并且满足： a.T1和U1各自尽可能多地提取所在变量组的变异信息；b.T1和U1的相关程度达到最大。然后在它们之间建立回归方程，最后通过确定主成分个数。 　　2.2 SAS 软件的 PLS 过程 　　我们采用 sas/stat 软件中的 PLS 过程来完成偏最小二乘回归分析。要分析的数据集为：data。data 包括所取原图像和目标图像人脸特征点的横坐标，我们对人脸各器官单独分析，以上嘴唇为例，共取特征点 10 个。sas 程序如下： 　　proc pls data=feature-point cv=one cvtest NFAC=3；model D1-D10 = S1-S10/solution； output out=pred；run； 　　所以我们 data 中包括 S1-S10，D1-D10共有 20 个数据，共有 4 组。其中，S1-S10 代表原人脸照片