基于改进全视角人脸纹理图像生成方法的研究.docxVIP

基于改进全视角人脸纹理图像生成方法的研究 1 全视角人脸纹理图像的优化方法 用二维照片制作特定的三维面部模型是3d面部建模研究的热点问题。其中，生成纹理图像是一个重要的步骤，它直接影响三维图像的生成。全视角纹理图像反映了在三维场景中多视角的纹理状况,但计算较复杂,实际操作不便。由于人脸正面照片包含了正面轮廓和五官部位的纹理状况,而侧面照片包含了耳朵和后脑勺部位的纹理状况,因而在生成具有真实感的三维人脸图像时,模型正侧面的真实感纹理可分别采用正侧面照片进行相应的纹理映射,但人脸表面映射纹理不容易界定,特别是所选的正侧面图像中纹理的拼接处光照条件不同,生成的纹理图像容易出现拼接缝隙和色差现象。 传统的根据正侧面人脸图像生成全视角人脸纹理图像的方法大都采用在正面和侧面照片中的人脸上定义相应的特征折线,然后对人脸图像进行变形,再拼接合成全视角人脸纹理。拼接时,存在正侧面人脸图像的配准问题,大多数研究者以眼角外角点处为界来定义2个人脸纹理的特征折线,先将正面和侧面照片中的人脸按各自的特征折线变形,然后进行图像拼接。这种方法的好处是眼角外角点在正面和侧面照片中的人脸中较易定位,但就如何定义一条合理的特征折线目前的研究仍未有定论,虽然能近似达到目的,但最终的人脸纹理合成及映射效果欠佳。 本文结合全视角纹理图像的拼接特点,提出一种新的生成全视角人脸纹理图像的优化方法。该方法首先对正侧面人脸图像进行归一化处理,以确保待拼接图像坐标的统一,然后对正侧面图像采用先粗略匹配的方法缩小特征点的查找范围,降低运算量,在局部范围内实现特征点的精确匹配,最后对合成的人脸纹理图像先后采用加权平滑方法和拉普拉斯金字塔方法进行双重融合来消除其拼接缝隙,实现图像的无缝拼接。 2 图像拼接技术 人脸纹理图像的合成过程实质上是一个图像拼接过程,图像拼接技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取、图像配准、图像融合3个步骤组成,其中,图像配准是整个图像拼接的基础。图像拼接解决的问题是通过对齐一系列的空间重叠的图像,构造一个无缝的、高清晰的图像,它具有比单个图像更高的分辨率和更大的视野。 2.1 图像预处理 由于受各种因素的影响,在自然状态下获得原始图像,都存在一定程度的噪声干扰。噪声严重影响图像的质量,降低图像的清晰度,甚至掩盖了图像的本质特征,这些都对图像处理起到一定的干扰作用,因此在进行图像配准之前最重要的一个操作就是图像预处理。图像的预处理包括2个方面,一方面是图像的规范化调整,因为在实践中,由于各种因素的影响,很难保证在拍摄时相机和被拍摄者都处在自然的地位水平,容易造成面部照片有一定的倾斜,所以对照片进行处理之前,需要对其进行规范化调整,使2张照片头部处于自然水平状态,以确保正侧面照片上的同一特征点位于同一水平线上,从而可以得到统一的坐标。另一方面是图像的归一化处理,由于给定的人脸正侧面图像,往往难以确保拍摄距离的一致性,会导致面部及各面部器官大小不一的现象发生,因此在图像配准之前需要对图像进行归一化处理,从而确保坐标的协调统一,为图像的精确匹配奠定良好基础。 2.2 基于列特征的匹配算法 图像配准是图像拼接的核心部分,它直接关系到图像拼接算法的成功率和执行速度。近些年来,许多图像配准算法被提出并实现,主要可分为2类: (1)基于特征的拼接算法。该算法利用图像明显的特征来估计图像之间的变换,在原始图像上提取边缘、区域、点等特征,再进行特征集的拼接。这类算法对图像畸变有较好适应性,但由于提取特征过程中损失了大量图像信息,配准的精确度和准确性受到影响。 (2)基于区域的拼接算法。该算法利用2张图像像素值之间的相关性来寻找最佳匹配点。这类算法的研究比较成熟,易于实现且精度高,但计算量大,对图像畸变适应力弱。 由于正、侧面照片都只在一定视角范围内给出较好的人脸纹理,单独利用正、侧面人脸照片对人脸模型进行映射都会丢失部分纹理信息,贴图效果不好,因此必须将它们融合为一张纹理图像。在图像匹配过程中,本文方法通过结合以上2种算法的优势来进行图像的精确匹配,具体步骤如下: (1)设经过预处理后的2幅图像分别为I1和I2,其中,I1为源图像;I2为目标图像。 (2)由于在正侧面人脸图像中,耳朵、嘴巴、鼻子、眼睛是最明显的特征部位,因而可以采用基于列特征的匹配方法,通过像素导出图像特征,然后以图像特征为标准,对图像重叠部分的对应特征区域进行搜索匹配,实现图像的粗略匹配。 (3)在经过粗略匹配的小区域范围内用灰度值方法的原理找到最佳匹配点,进行特征部位的精确