基于特征相似性的合成人脸画像质量评价方法
【专利摘要】本发明公开了一种基于特征相似性的合成人脸画像质量评价方法，主要解决现有图像质量评价方法直接应用在合成人脸画像中主客观一致性差的问题。其实现过程是：1)对测试合成人脸画像与参考画像进行预处理，使其尺寸大小一致；2)对合成画像与参考画像进行分块；3)对每幅画像的合成人脸画像块进行质量评价，得到画像块的质量评价分数；4)求整幅画像的质量评价分数。本发明与现有方法相比，充分考虑了合成人脸画像结构的特殊性，提高了合成人脸画像的主客观质量评价的一致性，可用于犯罪嫌疑人身份识别。
【专利说明】基于特征相似性的合成人脸画像质量评价方法
【技术领域】
[0001] 本发明属于图像处理【技术领域】，涉及合成人脸画像质量评价方法，可用于身份识 别。
【背景技术】
[0002] 随着信息智能化以及人脸识别技术应用的推广，例如公安部门犯罪嫌疑人识别系 统，公司机构人脸识别考勤机等，人们对个人身份识别以及认证技术越来越重视。但是在实 际生活中会存在信息缺失的情况，如刑侦机构追捕犯罪嫌疑人时，犯罪嫌疑人的照片往往 无法直接得到。能为追捕逃犯提供帮助的，只有画家根据目击者描述绘制的犯罪嫌疑人画 像，而目前公安机关已有的数据库为人脸照片数据库，需要将人脸照片-画像转化至同一 表达方式下进行识别。但是在将人脸照片转化成画像的过程中，所得到的合成人脸画像的 质量会有不同程度的失真，而合成人脸画像质量的好坏将直接影响确定犯罪嫌疑人的准确 度。故希望在使用合成人脸画像方法时，能选择合成人脸画像质量较好的合成方法，所以有 效的进行合成人脸画像质量评价对于提高识别率至关重要。
[0003] 由于目前国内外的图像质量评价方法研究多针对各类失真的自然图像，实验过 程中考虑的主要是模糊和噪声，比如高斯掩膜、高斯噪声、椒盐噪声、高频噪声、JEPG失真、 JEPG2000失真等；而影响人脸画像质量评价的问题主要是存在的块效应以及人脸结构，所 以现有的图像质量评价方法应用在人脸画像质量评价方面效果不甚理想。
[0004] 传统的客观图像质量评价方法主要集中在研究自然图像，其主要分为三类：
[0005] -、全参考型图像质量评价方法
[0006] 全参考图像质量评价方法是在原始图像信息作为参考的情况下进行图像质量评 价，该类方法的思想是从两个图像的相似程度上定义图像质量，假设参考图像为标准图像， 若参考图像与待评价图像完全一样，则相似程度为100% ;若出现失真则相似程度在0-1之 间。目前存在的方法主要有PSNR、SSM、FSM、IW-SSM、VIF、VSNR等方法。
[0007] 二、部分参考型图像质量评价方法
[0008] 部分参考型图像质量评价方法只使用原始图像的部分信息来评价图像质量。目前 存在的方法主要有WN-ISM、RRED等方法。
[0009] 三、无参考型图像质量评价方法
[0010] 全参考型和部分参考型图像质量评价方法的共同点是：它们全部或部分地依赖 原始图像作为参考。但事实上在许多场合下都无法或者较难获得无失真的原始图像，比如 成像系统、用户终端等，在这些情况下前两类评价方法就无法发挥作用。另外，考虑到人眼 视觉系统在评价一幅图像质量时并不需要有原始图像作为参照，即使接收到的图像信息有 限，人们也能很轻松地对图像质量做出评价，这本身就是一种无参考型的评价方法。目前主 要存在的研究方法是BIQI、BLIINDS、LBIQ、DIIVINE、BLINDS-II、C0RNIA等方法。
[0011] 上述方法应用于合成人脸画像的质量评价时，没有考虑人脸画像与自然图像的结 构差异性以及人脸画像存在的块效应，造成质量评价结果与主观质量评价的一致性低，效 果不甚理想。
【发明内容】
[0012] 本发明的目的在于针对上述现有图像质量评价方法在合成人脸画像应用上的不 足，提出一种基于特征相似性的合成人脸画像质量评价方法，以提高合成人脸画像的客观 质量评价与主观质量评价的一致性。
[0013] 实现本发明目的的技术方案包括如下步骤：
[0014] (1)选取一幅合成人脸画像作为测试画像，选取合成画像对应的原始画像作为参 考画像；将测试画像与参考画像进行预处理，使其尺寸大小一样，将预处理后的测试画像和 参考画像分别表示为T(X)、R(X);
[0015] (2)将测试画像T(x)与参考画像R(x)裁剪为大小一致无重叠的画像块，分别表示 为TPi(x)和RPi(x),i= 1，2,? ? ?，N，N表示画像块的个数，x表示像素点的位置；
[0016] (3)对分割后的画像块进行质量评价：
[0017] (3a)利用Canny算子分别计算第i个测试画像块TPi (x)的边缘信息ET (x)和第i 个参考画像块RPi(x)的边缘信息EK (x)，并计算ET (x)与EK (x)的相似度SE (x):
【权利要求】
1. 一种基于特征相似性的合成人脸画像质量评价方法，包括如下步骤： (1) 选取一幅合成人脸画像作为测试画像，选取合成画像对应的原始画像作为参考画 像；将测试画像与参考画像进行预处理，使其尺寸大小一样，将预处理后的测试画像和参考 画像分别表示为T(x)、R(x); (2) 将测试画像T(x)与参考画像R(x)裁剪为大小一致无重叠的画像块，分别表示为 TPi(x)和RPi(x)，i= 1，2,. . .，N，N表示画像块的个数，x表示像素点的位置； (3) 对分割后的画像块进行质量评价： (3a)利用Canny算子分别计算第i个测试画像块TPi(x)的边缘信息ET (x)和第i个 参考画像块RPi(x)的边缘信息EK (x)，并计算ET (x)与EK (x)的相似度SE (x):
其中为大于0的常数； (3b)分别计算第i个测试画像块TPi(x)的梯度幅值GT (x)和第i个参考画像块RPi(x) 的梯度幅值GK (x)，并计算GT (x)与GK (x)的相似度Sc (x):
其中T2为大于0的常数； (3c)将步骤（3a)得到的相似度SE(x)与步骤（3b)得到的相似度Sjx)进行组合，得 到第i个测试画像块TP, (x)与i个参考画像块RPi(x)的相似性Sjx): SL (x) = (SE (x)) ° ? (SG (x))0, 其中a为SE(x)的影响因子，a@为Se(x)的影响因子，3 >0 ; (3d)根据步骤（3a)得到的边缘信息匕〇〇、^ (x)以及步骤（3c)得到的相似性Sjx) 计算画像块质量评价分数score:
其中Q为整个画像块的空间域，Em(x) =max(ET(x)，EK(x)); (4) 对整幅测试画像进行质量评价： (4a)重复步骤（3)，直至处理完N个测试画像块，每个画像块得到的质量评价分数分别 表示为score"i= 1，2,…，N; (4b)求整幅画像的质量评价分数SCORE:
2. 根据权利要求1所述的基于特征相似性的合成人脸画像质量评价方法，其特征在 于，步骤（3a)中计算第i个测试画像块TPi(x)的边缘信息ET(x)，通过如下公式计算： ET (x) =edge(TPi(x)，，canny，）； 其中edge()函数为matlab软件自带的边缘检测函数，'canny'表示选用edge()函数 中的canny算子方法进行边缘检测。
3. 根据权利要求1所述的基于特征相似性的合成人脸画像质量评价方法，其特征在 于，步骤（3a)中计算第i个参考画像块RPi(x)的边缘信息EK(x)，通过如下公式计算： EK (x) =edge(RPi(x)，，canny'）； 其中edge()函数为matlab软件自带的边缘检测函数，'canny'表示选用edge()函数 中的canny算子方法进行边缘检测。
4. 根据权利要求1所述的基于特征相似性的合成人脸画像质量评价方法，其特征在 于，步骤（3b)中计算第i个测试画像块TPi(x)的梯度幅值GT(x)，通过如下公式计算：
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() 为matlab软件自带的卷积函数，'same'表示利用conv2()函数得到的GTx和GTy的大小与 TPjx) -致。
5. 根据权利要求1所述的基于特征相似性的合成人脸画像质量评价方法，其特征在 于，步骤（3b)中计算第i个参考画像块RPi(x)的梯度幅值GK(x)，通过如下公式计算：
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() 为matlab软件自带的卷积函数，'same'表示利用conv2()函数得到的GKx和GKy的大小与 RP"x) -致。
【文档编号】G06T7/00GK104408736SQ201410771613
【公开日】2015年3月11日 申请日期:2014年12月12日 优先权日:2014年12月12日
【发明者】高新波, 王楠楠, 任文君, 李洁, 胡彦婷, 张声传, 张铭津, 彭春蕾 申请人:西安电子科技大学