[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的無參智能磨皮方法

有效

• 申請?zhí)枺?/td>: 202010296043.4
• 申請日: 2020-04-15
• 公開（公告）號: CN111507917B
• 公開（公告）日: 2022-11-01
• 發(fā)明（設(shè)計）人: 胡耀武;李云夕;熊永春
• 申請（專利權(quán)）人: 杭州小影創(chuàng)新科技股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 杭州天昊專利代理事務(wù)所(特殊普通合伙) 33283
• 代理人: 董世博;趙志鵬

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)的無參智能磨皮方法，其特征在于，具體包括如下步驟：

101)圖像輸入步驟：圖像轉(zhuǎn)換為特定處理格式作為處理的輸入圖像，圖像為原始圖像S；

102)CNN降噪步驟：基于同一場景下不同的噪聲樣本，并結(jié)合CNN網(wǎng)絡(luò)學(xué)習(xí)噪聲的分布情況，然后通過噪聲的分布情況對場景中的噪聲圖像去噪，得到降噪圖像A；

103)CNN皮膚概率處理步驟：通過卷積網(wǎng)絡(luò)對輸入圖像的皮膚區(qū)域進行分割，輸出為分割概率圖B；輸入圖像為W×H×3，3為RGB三個顏色通道，輸出的分割概率圖為W×H×1；W為圖像的橫向尺寸，H為圖像的縱向尺寸；

104)整合處理步驟：將原始圖像S、降噪圖像A、分割概率圖B進行整合，得到智能磨皮效果圖，具體整合的公式如下：

D＝S*(1-B)+A*B 公式(1)

其中，D為磨皮效果圖；

其中，步驟102)中的噪聲樣本，通過人工添加噪聲的方式，具體如下：

201)添加高斯噪聲處理步驟：準備N張高清人像照片，N10000，對N張人像照片進行高斯噪聲添加，添加較小強度即μ＜0.06，σ＜0.2的高斯噪聲得到輸入樣本T1；添加較大強度即μ0.1，σ0.3的高斯噪聲得到輸入樣本T2；

添加的高斯噪聲公式如下所示：

其中，x表示像素值，μ表示均值參數(shù)，σ表示方差參數(shù)，均值參數(shù)和方差參數(shù)為設(shè)定值；

高斯噪聲添加的公式如下：

P'(x)＝P(x)+Gauss(x)×255 公式(3)

其中，P’(x)表示高斯噪聲添加后的結(jié)果像素，P(x)表示原始圖像中對應(yīng)x位置的像素值；

202)CNN降噪網(wǎng)絡(luò)訓(xùn)練步驟：對N張高清人像照片添加較大強度的高斯噪聲，得到輸出樣本T2；將樣本T1和樣本T2進行圖像縮放到CNN降噪網(wǎng)絡(luò)，輸入尺寸，進行訓(xùn)練，通過LOSS使用MSE，并迭代大于10000次，得到最終的訓(xùn)練模型；

203)圖像A獲取步驟：將原始圖像S輸入步驟202)訓(xùn)練好的降噪模型中，得到降噪后的降噪圖像A。

2.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)的無參智能磨皮方法，其特征在于，步驟102)中的噪聲樣本，通過選取自然場景拍攝的圖像，即在自然場景下，固定相機位置，快速連續(xù)拍攝同一目標的兩張圖像，構(gòu)成一個樣本。

3.根據(jù)權(quán)利要求1所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)的無參智能磨皮方法，其特征在于，步驟103)中的卷積網(wǎng)絡(luò)對輸入圖像的皮膚區(qū)域進行分割，具體包括如下步驟：

301)訓(xùn)練樣本集獲取步驟：準備M張帶人像的原始圖像S，對M張原始圖像S進行人工皮膚分割標記，得到M張分割結(jié)果圖Mask，Mask為黑白二值圖，黑色為背景，白色為皮膚區(qū)域，以此構(gòu)建皮膚分割網(wǎng)絡(luò)訓(xùn)練樣本集；

302)建模步驟：將步驟301處理的訓(xùn)練樣本集輸入到卷積網(wǎng)絡(luò)進行訓(xùn)練，最終得到皮膚分割模型；

303)分割概率圖B獲取步驟：將原始圖像S輸入皮膚分割模型進行預(yù)測，得到概率圖B。

4.根據(jù)權(quán)利要求3所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)的無參智能磨皮方法，其特征在于，對概率圖B進行圖像二值化處理，判斷概率值大于0.5則填充白色，否則填充黑色。