柳婷婷基于样本学习的卡通画生成算法.ppt

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 byErgunAkleman 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 PrincipalComponentAnalysis 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为输出层函数m 隐含层结点个数Ci 第i个基函数的中心向量 元素个数与x相同 数量值 它决定了该基函数围绕中心的宽度wm 第m个隐层节点与网络输出的连接权y1 网络的输出 lp与lc之间的约束关系 输入层输出层 RBF神经网络 本文采用matlab6 5辅助实现RBF神经网络的建立与学习 engEvalString ep net newrbe PP TT 3 0 engEvalString ep Alph sim net nP 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 4生成卡通肖像线条画 应用模块 用户输入待卡通化的人脸照片标定特征点 p 投影至照片子空间 lp 带入RBF网络 lc PCA还原至原卡通画空间 c 人脸特征模型定义的拓扑结构 C 69个特征点的坐标 分段Bezier样条曲线 卡通肖像线条画 四 算法实现本文工作在VC 6 0和matlab6 5的开发环境下实现 示例结果如下 上排图为输入的待卡通化的人脸照片 中排图为应用本文算法生成的卡通线条肖像画 下排图为艺术家创作的卡通肖像画 五 总结与展望 算法小结 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不足之处 1 缺少足够并且合适的样本 效果受到影响2 没有添加头发 耳朵 眼镜等附加特征3 没有添加纹理 缺少颜色信息 六 程序演示 基于样本学习的卡通肖像画生成系统