码迷,mamicode.com
首页 > 其他好文 > 详细

脸部磨皮:一个高阶正则化 ( higher-order regularisation ) 模型的应用

时间:2015-05-25 10:00:49      阅读:277      评论:0      收藏:0      [点我收藏+]

标签:图像处理

还记得在 “背景知识” 这一篇中,我们介绍了如何用微分方程和变分的方法来处理图像和视觉问题。一幅 N维 M通道的图片可以用一个函数来建模,即 f:Ω?mΩ??N。 在早些年的图像处理问题里面,我们的图片都是黑白的,即二维单通道; 目前面向大众的图像处理和计算机视觉当中,我们的图片都是彩色的,即二维 RGB三通道。在 遥感探测,三维建模,医学成像等领域中采用的则是更为复杂的图像结构。 我们微分方程和变分法的好处在于,一个简单的模型几乎可以推广到所有的应用里面。

采用微分方程和变分法解决视觉问题,大致分为三步:(1)设计一个能量泛函;(2)把模型离散化;(3)采用某种数值算法求解。笔者认为,能量泛函的设计是最关键的一步,因为模型的升级直接给解的精确性带来指数级的增长;在好模型的基础上,先进的算法可以把解的精准度和运算的速度提到大概30%。

在背景知识这一篇中,我们举了 利用 Total Variation (TV)Regularisation 模型来给图片去噪声的例子, 它的能量泛函为

E(u):=Ω(u?f)2 dx+α?Ω|?u| dx .

在这个能量泛函中,我们假设 观测误差 为 i.i.d 的高斯分布, 同时我们希望我们得到的图片是一个分段等值的函数。通过最小化 Ω|?u| dx 这一项来进行正则化,被称作 total variation regularization. 在最优解中,它保留了图像的边,同时希望边中间的区域是等值的,因为它的梯度被最小化。

我们知道,任何一个平滑的函数可以由多段多项式函数来近似,多项式阶数越高,则近似的精度越精确。然而通过TV, 我们只能得到一个分段等值函数,这对于图片来说是远远不够的。因此笔者在此介绍两个高阶模型,它们都是对解函数的二阶导数进行正则化, 因此得到的解是一个分段仿射函数 (piece-wise affine function) 。

(1)Hessian TV regularisation

Lysaker, Marius, Arvid Lundervold, and Xue-Cheng Tai. “Noise removal using fourth-order partial differential equation with applications to medical magnetic resonance images in space and time.” Image Processing, IEEE Transactions on 12.12 (2003): 1579-1590.

能量泛函为

E(u):=Ω(u?f)2 dx+α?Ω|?2u| dx ,

其中

?2u=(uxxuyxuxyuyy)

(2) Total Generalized Variation Regularisation (TGV)

Bredies, Kristian, Karl Kunisch, and Thomas Pock. “Total generalized variation.” SIAM Journal on Imaging Sciences 3.3 (2010): 492-526.

能量泛函为

E(u,v):=Ω(u?f)2 dx+α1?Ω|?u?v| dx+α2?Ω|?v| dx ,

其中 v:Ω?2

介绍完这么多理论,我们来进行一个简单的实验——给人像磨皮! X )

首先,我们有一张相片


技术分享

下面一张是用 TV 处理后的结果:


技术分享

下面一张是用 TGV 处理后的结果:


技术分享

两幅图片的细节都被保存,但大家是不是隐约的感觉到第二幅图片比第一幅图片要光滑一些?? 这是因为 TGV 可以给一个 分段仿射的解,但TV只能给分段等值的。我们再对比一下脸部的效果,其中左边是TGV, 右边是TV。


技术分享

我们看到用TGV得到的脸部线条更柔和光滑,皮肤更水嫩,人一下子就年轻了至少7岁。更重要的是,黑眼圈被完全除掉了!!

脸部磨皮:一个高阶正则化 ( higher-order regularisation ) 模型的应用

标签:图像处理

原文地址:http://blog.csdn.net/bloodbreaker/article/details/45958961

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!