1.一种肖像照片光影传递方法,其特征在于,所述方法包括:
对齐步骤:采用局部二值特征LBF和基于特征线的图像变换算法,并根据目标图像将参考图像进行人脸对齐,获得所述参考图像的对齐图像;
分割步骤:根据所述参考图像的光影特点,采用匹配的光影检测算法将所述对齐图像进行图像分割,获得对应的光影掩膜;
提取步骤:基于所述光影掩膜的引导,并采用卷积神经网络的不同层分别提取目标图像亮度通道和参考图像亮度通道的结构特征和光影信息;
第一传递步骤:根据所述结构特征、所述光影信息,并采用目标损失函数和所述光影掩膜将所述对齐图像的大面积光影传递到所述目标图像上,获得第一光影传递结果;
第二传递步骤:基于所述第一光影传递结果并结合加权空间控制算法,将所述对齐图像的小面积光影传递到所述目标图像上,获得第二光影传递结果。
2.根据权利要求1所述的方法,其特征在于,所述对齐步骤包括:
采用所述LBF将所述目标图像和所述参考图像分别进行特征标注,获得对应的目标人脸特征点和参考人脸特征点;
采用所述基于特征线的图像变换算法将所述参考图像进行形变,并将所述参考人脸特征点对齐到所述目标人脸特征点上,获得所述对齐图像。
3.根据权利要求1所述的方法,其特征在于,所述光影掩膜包括二分光影掩膜和三分光影掩膜,所述分割步骤包括:根据所述参考图像的光影特点对光影区域进行分割,并根据分割结果划分第一类光影和第二类光影;
当所述参考图像为所述第一类光影时,采用基于感知颜色空间的光影检测算法,将所述对齐图像进行图像分割,获得所述二分光影掩膜;
当所述参考图像为所述第二类光影时,采用基于马尔科夫随机场MRF-MAP的光影检测算法,将所述对齐图像进行图像分割,获得所述三分光影掩膜。
4.根据权利要求1所述的方法,其特征在于,所述提取步骤包括:
将所述目标图像和所述对齐图像转化到Lab色彩空间,并通过分离亮度层和颜色层,提取所述目标图像亮度通道和所述参考图像亮度通道;
基于所述光影掩膜,并采用卷积神经网络的不同层分别提取所述目标图像亮度通道和所述参考图像亮度通道的结构特征和光影信息。
5.根据权利要求1所述的方法,其特征在于,在对第一类光影执行所述第一传递步骤中,所述目标损失函数为施加有照片真实感正则项的损失函数,根据下式获得:其中,Ltotal是所述目标损失函数, 是内容损失,αl是 的权重值, 是光影损失,βl是 的权重值,Γ是平衡内容损失和光影损失的权重,Lm是照片真实感正则项,λ用于控制正则化程度,L为卷积神经网络卷积层的总数。
6.根据权利要求5所述的方法,其特征在于,所述内容损失根据下式获得:其中, 是内容损失,Fl[x]是参考图像在卷积神经网络第l层的内容表示,Fl[p]是目标图像在卷积神经网络第l层的内容表示,Nl为卷积神经网络第l层的特征向量个数,Ml是每个特征向量的维度,i为第l层的第i个特征向量,j为第i个特征向量中的第j个值。
7.根据权利要求5所述的方法,其特征在于,所述光影损失根据下式获得:其中, 是光影损失,C是光影掩膜被划分的语义区域的数量,Gl,c[x]是参考图像对应的格拉姆矩阵,Gl,c[p]是目标图像对应的格拉姆矩阵,Nl,c为格拉姆矩阵的阶数,i为第l层的第i个特征向量,j为第i个特征向量中的第j个值。
8.根据权利要求5所述的方法,其特征在于,所述照片真实感正则项根据下式获得:Lm=V[x]TMpV[x],
其中,Lm是照片真实感正则项,V[x]是输出图像在亮度通道的矢量化表示,Mp为目标图像经拉普拉斯抠图产生的掩膜矩阵。
9.根据权利要求1所述的方法,其特征在于,所述第二传递步骤包括:当光影为第二类光影时,在所述目标损失函数中的所述光影损失上增加光影强化权重,将所述对齐图像的对应的小面积光影进行强化,获得所述第二类光影对应的所述第二光影传递结果。
10.根据权利要求9所述的方法,其特征在于,结合光影强化权重的光影损失根据下式获得:其中, 为结合光影强化权重的光影损失,wc是所述光影强化权重参数,C是光影掩膜被划分的语义区域的数量,Gl,c[x]是参考图像对应的格拉姆矩阵,Gl,c[p]是目标图像对应的格拉姆矩阵,Nl,c为格拉姆矩阵的阶数,i为第l层的第i个特征向量,j为第i个特征向量中的第j个值。