专利名称：一种基于云模型的人脸表情合成方法
技术领域：
本发明属于人脸表情合成技术领域，尤其涉及一种基于云模型的人脸表情合成方法。
背景技术：
云模型具有宏观精确、微观模糊、宏观可控、微观不可控的特点，其本质单位是云滴组成的概念云，思想是兼顾了随机性和模糊性。它把自然语言中的随机性和模糊性有机地综合在一起，构成了定性和定量之间的映射，不但突破了概率统计中“硬计算”的局限性， 而且解决了作为模糊集理论基石的隶属函数的固有缺陷，破除了粗集边界集的局限性，提供了一套解决数据挖掘中不确定性问题的新方法和新技术。云模型具有三个数字特征① 期望(Ex)概念的原型值(中心值、标准值)，最能代表该定性概念的数值；②熵(En)概念不确定程度的度量；③超熵(He)熵的不确定程度的度量，即熵的熵。云模型的定义如下，设υ是一个用精确数值表示的定量论域，;r^f/，T是υ空间上的定性概念，若元素X(X e X)对T的隶属的确定度Ct(X) e
是一个有稳定倾向的随机数，如式1所示，则概念T从论域U到区间W，l]的映射在数域空间的分布，称为云 (Cloud)οC(x)
VxeJT—CT(x) (1)云发生器(Cloud Generator，简称CG)指云模型的生成算法。云发生器建立起定性和定量之间相互联系、相互依存、性中有量、量中有性的映射关系，主要包括正向云发生器、逆向云发生器、X条件云发生器和Y条件云发生器。正向云发生器(i^rward Cloud Generator)是用语言值描述的某个基本概念与其数值表示之间的不确定性转换模型，是从定性到定量的映射。它根据云模型的数字特征产生云滴，积累到一定数量汇聚为云。正向云发生器实现了从语言值所表达的定性信息中获得定量数据的范围和分布规律，是一个前向的、直接的过程。其输入为表示定性概念的期望值&、熵Eru超熵He和云滴数量N，其输出为Drop(Xi，CT(Xi))，其中，i e [1，N]，该输出表示第i个云滴Xi在数域空间中的定量位置及第i个云滴Xi代表该概念的确定度Ct (Xi)，如
图1所示。当概念对应的数域空间为一维时，正向云发生器的输入为(Ex，En, He, N)，输出为 Drop (Xl，Ct (X1))、Drop (x2，Ct (x2) ).......Drop (xN，Ct (xn))，其算法具体如下(1)输入(Ex, En, He，N)；(2)生成以En为期望值、He为标准差的一个正态随机数En' i = NORM (En, He)；(3)生成以Ex为期望值、i为标准差的一个正态随机数^ci = N0RM(Ex， En' 0 ；
(Xi-Ex)2(4)计算确定度^= ^￠7 ;(5)带有确定度CT(Xi)的Xi成为数域空间中的一个云滴；(6)重复步骤(2)-(5)直至产生N个云滴，并输出Drop (Xl，Ct (X1))、Drop (x2，
只要给定云模型的三个数字特征值(EX，En，He)，采用正向云发生器就可以生成由任意个云滴组成的正态云模型。逆向云发生器(Backward Cloud Generator)是实现数值和其语言值之间的不确定性转换模型，是从定量到定性的映射。它将一定数量的精确数据有效地转换为以恰当的定性语言值{Ex，En, He}表示的概念，并以此来代表这些精确数据所反映的云滴整体。云滴所对应的精确数据的数量越多，其反映的概念就越确切。逆向云发生器是一个逆向的、 间接的云生成过程，它把给定的符合某一分布规律的一组云滴Drop (Xi，C1(Xi))作为样本， Drop (xi; Ct (Xi))表示第i个云滴Xi在数域空间中的定量位置及第i个云滴^ci代表该概念的确定度Ct(Xi)，并产生了描述云模型所对应的定性概念的三个数字特征(EX，En，He)，如图2
所示。逆向云发生器的输入为 Drop (X1，Ct (X1))、Drop (x2, Ct (x2) ).......Drop (xN, Ct (xn))，
输出为(Ex，En, He, N)，其算法具体如下(1)输入 Drop (X1 ,Ct(X1) )、Drop (x2，CT(x2) )、......Drop (xN, Ct (xN)), i e [1,N]；
(Xi-Ex)2(2)由云期望方程^ &、_拟合得到期望具体方法将云期望方程线
权利要求
1.一种基于云模型的人脸表情合成方法，其特征在于，包括以下步骤 步骤一、将待合成的人脸图像读取成数据矩阵；步骤二、以步骤一所得的数据矩阵为输入，运用逆向云发生器分别处理每张待合成人脸图像的数据矩阵，从而得到每张待合成人脸图像相应的期望图像、熵图像和超熵图像；步骤三、以步骤二所得的期望图像、熵图像和超熵图像为输入，运用正向云发生器处理期望图像、熵图像和超熵图像，并得到每张人脸图像对应的云滴；步骤四、为步骤三所得的每个云滴赋权重，并将所有云滴组合成一个大云滴； 步骤五、以步骤四所得的大云滴为输入，运用云发生器中的逆向云发生器实现人脸表情合成。
2.根据权利要求1所述的基于云模型的人脸表情合成方法，其特征在于 所述的步骤三中得到的每张人脸图像对应的云滴数量为10。
全文摘要
本发明公开了一种基于云模型的人脸表情合成方法，包括步骤一、输入待合成的人脸图像，并将待合成的人脸图像读取成数据矩阵；二、以数据矩阵为输入，运用逆向云发生器分别处理每张待合成人脸图像的数据矩阵，从而得到每张待合成人脸图像相应的期望图像、熵图像和超熵图像；三、以期望图像、熵图像和超熵图像为输入，运用正向云发生器处理期望图像、熵图像和超熵图像，并得到每张人脸图像对应的云滴；四、为每个云滴赋权重，并将所有云滴组合成一个大云滴；五、以大云滴为输入，运用云发生器中的逆向云发生器实现人脸表情合成。本发明方法可以通过调节权重实现任意表情以任意比合成，从而可以合成出更为全面且丰富的人脸表情图像。
文档编号G06T11/00GK102298784SQ20111023427
公开日2011年12月28日 申请日期2011年8月16日 优先权日2011年8月16日
发明者池荷花, 池莲花, 王树良 申请人:武汉大学