基于特征相似性的合成人臉畫像質(zhì)量評(píng)價(jià)方法
【專利摘要】本發(fā)明公開了一種基于特征相似性的合成人臉畫像質(zhì)量評(píng)價(jià)方法，主要解決現(xiàn)有圖像質(zhì)量評(píng)價(jià)方法直接應(yīng)用在合成人臉畫像中主客觀一致性差的問題。其實(shí)現(xiàn)過程是：1)對(duì)測試合成人臉畫像與參考畫像進(jìn)行預(yù)處理，使其尺寸大小一致；2)對(duì)合成畫像與參考畫像進(jìn)行分塊；3)對(duì)每幅畫像的合成人臉畫像塊進(jìn)行質(zhì)量評(píng)價(jià)，得到畫像塊的質(zhì)量評(píng)價(jià)分?jǐn)?shù)；4)求整幅畫像的質(zhì)量評(píng)價(jià)分?jǐn)?shù)。本發(fā)明與現(xiàn)有方法相比，充分考慮了合成人臉畫像結(jié)構(gòu)的特殊性，提高了合成人臉畫像的主客觀質(zhì)量評(píng)價(jià)的一致性，可用于犯罪嫌疑人身份識(shí)別。
【專利說明】基于特征相似性的合成人臉畫像質(zhì)量評(píng)價(jià)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，涉及合成人臉畫像質(zhì)量評(píng)價(jià)方法，可用于身份識(shí) 別。

【背景技術(shù)】
[0002] 隨著信息智能化以及人臉識(shí)別技術(shù)應(yīng)用的推廣，例如公安部門犯罪嫌疑人識(shí)別系 統(tǒng)，公司機(jī)構(gòu)人臉識(shí)別考勤機(jī)等，人們對(duì)個(gè)人身份識(shí)別以及認(rèn)證技術(shù)越來越重視。但是在實(shí) 際生活中會(huì)存在信息缺失的情況，如刑偵機(jī)構(gòu)追捕犯罪嫌疑人時(shí)，犯罪嫌疑人的照片往往 無法直接得到。能為追捕逃犯提供幫助的，只有畫家根據(jù)目擊者描述繪制的犯罪嫌疑人畫 像，而目前公安機(jī)關(guān)已有的數(shù)據(jù)庫為人臉照片數(shù)據(jù)庫，需要將人臉照片-畫像轉(zhuǎn)化至同一 表達(dá)方式下進(jìn)行識(shí)別。但是在將人臉照片轉(zhuǎn)化成畫像的過程中，所得到的合成人臉畫像的 質(zhì)量會(huì)有不同程度的失真，而合成人臉畫像質(zhì)量的好壞將直接影響確定犯罪嫌疑人的準(zhǔn)確 度。故希望在使用合成人臉畫像方法時(shí)，能選擇合成人臉畫像質(zhì)量較好的合成方法，所以有 效的進(jìn)行合成人臉畫像質(zhì)量評(píng)價(jià)對(duì)于提高識(shí)別率至關(guān)重要。
[0003] 由于目前國內(nèi)外的圖像質(zhì)量評(píng)價(jià)方法研究多針對(duì)各類失真的自然圖像，實(shí)驗(yàn)過 程中考慮的主要是模糊和噪聲，比如高斯掩膜、高斯噪聲、椒鹽噪聲、高頻噪聲、JEPG失真、 JEPG2000失真等；而影響人臉畫像質(zhì)量評(píng)價(jià)的問題主要是存在的塊效應(yīng)以及人臉結(jié)構(gòu)，所 以現(xiàn)有的圖像質(zhì)量評(píng)價(jià)方法應(yīng)用在人臉畫像質(zhì)量評(píng)價(jià)方面效果不甚理想。
[0004] 傳統(tǒng)的客觀圖像質(zhì)量評(píng)價(jià)方法主要集中在研究自然圖像，其主要分為三類：
[0005] -、全參考型圖像質(zhì)量評(píng)價(jià)方法
[0006] 全參考圖像質(zhì)量評(píng)價(jià)方法是在原始圖像信息作為參考的情況下進(jìn)行圖像質(zhì)量評(píng) 價(jià)，該類方法的思想是從兩個(gè)圖像的相似程度上定義圖像質(zhì)量，假設(shè)參考圖像為標(biāo)準(zhǔn)圖像， 若參考圖像與待評(píng)價(jià)圖像完全一樣，則相似程度為100% ;若出現(xiàn)失真則相似程度在0-1之 間。目前存在的方法主要有PSNR、SSM、FSM、IW-SSM、VIF、VSNR等方法。
[0007] 二、部分參考型圖像質(zhì)量評(píng)價(jià)方法
[0008] 部分參考型圖像質(zhì)量評(píng)價(jià)方法只使用原始圖像的部分信息來評(píng)價(jià)圖像質(zhì)量。目前 存在的方法主要有WN-ISM、RRED等方法。
[0009] 三、無參考型圖像質(zhì)量評(píng)價(jià)方法
[0010] 全參考型和部分參考型圖像質(zhì)量評(píng)價(jià)方法的共同點(diǎn)是：它們?nèi)炕虿糠值匾蕾?原始圖像作為參考。但事實(shí)上在許多場合下都無法或者較難獲得無失真的原始圖像，比如 成像系統(tǒng)、用戶終端等，在這些情況下前兩類評(píng)價(jià)方法就無法發(fā)揮作用。另外，考慮到人眼 視覺系統(tǒng)在評(píng)價(jià)一幅圖像質(zhì)量時(shí)并不需要有原始圖像作為參照，即使接收到的圖像信息有 限，人們也能很輕松地對(duì)圖像質(zhì)量做出評(píng)價(jià)，這本身就是一種無參考型的評(píng)價(jià)方法。目前主 要存在的研究方法是BIQI、BLIINDS、LBIQ、DIIVINE、BLINDS-II、C0RNIA等方法。
[0011] 上述方法應(yīng)用于合成人臉畫像的質(zhì)量評(píng)價(jià)時(shí)，沒有考慮人臉畫像與自然圖像的結(jié) 構(gòu)差異性以及人臉畫像存在的塊效應(yīng)，造成質(zhì)量評(píng)價(jià)結(jié)果與主觀質(zhì)量評(píng)價(jià)的一致性低，效 果不甚理想。


【發(fā)明內(nèi)容】

[0012] 本發(fā)明的目的在于針對(duì)上述現(xiàn)有圖像質(zhì)量評(píng)價(jià)方法在合成人臉畫像應(yīng)用上的不 足，提出一種基于特征相似性的合成人臉畫像質(zhì)量評(píng)價(jià)方法，以提高合成人臉畫像的客觀 質(zhì)量評(píng)價(jià)與主觀質(zhì)量評(píng)價(jià)的一致性。
[0013] 實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案包括如下步驟：
[0014] (1)選取一幅合成人臉畫像作為測試畫像，選取合成畫像對(duì)應(yīng)的原始畫像作為參 考畫像；將測試畫像與參考畫像進(jìn)行預(yù)處理，使其尺寸大小一樣，將預(yù)處理后的測試畫像和 參考畫像分別表示為T(X)、R(X);
[0015] (2)將測試畫像T(x)與參考畫像R(x)裁剪為大小一致無重疊的畫像塊，分別表示 為TPi(x)和RPi(x),i= 1，2,? ? ?，N，N表示畫像塊的個(gè)數(shù)，x表示像素點(diǎn)的位置；
[0016] (3)對(duì)分割后的畫像塊進(jìn)行質(zhì)量評(píng)價(jià)：
[0017] (3a)利用Canny算子分別計(jì)算第i個(gè)測試畫像塊TPi (x)的邊緣信息ET (x)和第i 個(gè)參考畫像塊RPi(x)的邊緣信息EK (x)，并計(jì)算ET (x)與EK (x)的相似度SE (x):

【權(quán)利要求】
1. 一種基于特征相似性的合成人臉畫像質(zhì)量評(píng)價(jià)方法，包括如下步驟： (1) 選取一幅合成人臉畫像作為測試畫像，選取合成畫像對(duì)應(yīng)的原始畫像作為參考畫 像；將測試畫像與參考畫像進(jìn)行預(yù)處理，使其尺寸大小一樣，將預(yù)處理后的測試畫像和參考 畫像分別表示為T(x)、R(x); (2) 將測試畫像T(x)與參考畫像R(x)裁剪為大小一致無重疊的畫像塊，分別表示為 TPi(x)和RPi(x)，i= 1，2,. . .，N，N表示畫像塊的個(gè)數(shù)，x表示像素點(diǎn)的位置； (3) 對(duì)分割后的畫像塊進(jìn)行質(zhì)量評(píng)價(jià)： (3a)利用Canny算子分別計(jì)算第i個(gè)測試畫像塊TPi(x)的邊緣信息ET (x)和第i個(gè) 參考畫像塊RPi(x)的邊緣信息EK (x)，并計(jì)算ET (x)與EK (x)的相似度SE (x):
其中為大于0的常數(shù)； (3b)分別計(jì)算第i個(gè)測試畫像塊TPi(x)的梯度幅值GT (x)和第i個(gè)參考畫像塊RPi(x) 的梯度幅值GK (x)，并計(jì)算GT (x)與GK (x)的相似度Sc (x):
其中T2為大于0的常數(shù)； (3c)將步驟（3a)得到的相似度SE(x)與步驟（3b)得到的相似度Sjx)進(jìn)行組合，得 到第i個(gè)測試畫像塊TP, (x)與i個(gè)參考畫像塊RPi(x)的相似性Sjx): SL (x) = (SE (x)) ° ? (SG (x))0, 其中a為SE(x)的影響因子，a@為Se(x)的影響因子，3 >0 ; (3d)根據(jù)步驟（3a)得到的邊緣信息匕〇〇、^ (x)以及步驟（3c)得到的相似性Sjx) 計(jì)算畫像塊質(zhì)量評(píng)價(jià)分?jǐn)?shù)score:
其中Q為整個(gè)畫像塊的空間域，Em(x) =max(ET(x)，EK(x)); (4) 對(duì)整幅測試畫像進(jìn)行質(zhì)量評(píng)價(jià)： (4a)重復(fù)步驟（3)，直至處理完N個(gè)測試畫像塊，每個(gè)畫像塊得到的質(zhì)量評(píng)價(jià)分?jǐn)?shù)分別 表示為score"i= 1，2,…，N; (4b)求整幅畫像的質(zhì)量評(píng)價(jià)分?jǐn)?shù)SCORE:
2. 根據(jù)權(quán)利要求1所述的基于特征相似性的合成人臉畫像質(zhì)量評(píng)價(jià)方法，其特征在 于，步驟（3a)中計(jì)算第i個(gè)測試畫像塊TPi(x)的邊緣信息ET(x)，通過如下公式計(jì)算： ET (x) =edge(TPi(x)，，canny，）； 其中edge()函數(shù)為matlab軟件自帶的邊緣檢測函數(shù)，'canny'表示選用edge()函數(shù) 中的canny算子方法進(jìn)行邊緣檢測。
3. 根據(jù)權(quán)利要求1所述的基于特征相似性的合成人臉畫像質(zhì)量評(píng)價(jià)方法，其特征在 于，步驟（3a)中計(jì)算第i個(gè)參考畫像塊RPi(x)的邊緣信息EK(x)，通過如下公式計(jì)算： EK (x) =edge(RPi(x)，，canny'）； 其中edge()函數(shù)為matlab軟件自帶的邊緣檢測函數(shù)，'canny'表示選用edge()函數(shù) 中的canny算子方法進(jìn)行邊緣檢測。
4. 根據(jù)權(quán)利要求1所述的基于特征相似性的合成人臉畫像質(zhì)量評(píng)價(jià)方法，其特征在 于，步驟（3b)中計(jì)算第i個(gè)測試畫像塊TPi(x)的梯度幅值GT(x)，通過如下公式計(jì)算：
其中GTx =conv2 (TP! (x)，A,，same，），GTy =conv2 (TP! (x)，B，，same'）， A= [3 0 -3 ;10 0 -10 ;3 0 -3]/16,B= [3 10 3 ;0 0 0 ;-3 -10 -3]/16,conv2() 為matlab軟件自帶的卷積函數(shù)，'same'表示利用conv2()函數(shù)得到的GTx和GTy的大小與 TPjx) -致。
5. 根據(jù)權(quán)利要求1所述的基于特征相似性的合成人臉畫像質(zhì)量評(píng)價(jià)方法，其特征在 于，步驟（3b)中計(jì)算第i個(gè)參考畫像塊RPi(x)的梯度幅值GK(x)，通過如下公式計(jì)算：
其中GRx =conv2(RPi(x)，A,，same，），GRy =conv2(RPi(x)，B，，same'） A= [3 0 -3 ;10 0 -10 ;3 0 -3]/16,B= [3 10 3 ;0 0 0 ;-3 -10 -3]/16,conv2() 為matlab軟件自帶的卷積函數(shù)，'same'表示利用conv2()函數(shù)得到的GKx和GKy的大小與 RP"x) -致。
【文檔編號(hào)】G06T7/00GK104408736SQ201410771613
【公開日】2015年3月11日 申請(qǐng)日期:2014年12月12日 優(yōu)先權(quán)日:2014年12月12日
【發(fā)明者】高新波, 王楠楠, 任文君, 李潔, 胡彥婷, 張聲傳, 張銘津, 彭春蕾 申請(qǐng)人:西安電子科技大學(xué)