基于聚类算法的人脸衰老图像重构

胡贤德，朱秀祥，李敬明，李 苗

(安徽新华学院信息工程学院，安徽合肥 230088)



基于聚类算法的人脸衰老图像重构

胡贤德，朱秀祥，李敬明，李 苗

(安徽新华学院信息工程学院，安徽合肥 230088)

本文基于人脸图形图像数据库，提出了基于聚类算法的人脸衰老图像合成方法。采用改进主动形状模型(ASM)的人脸特征点匹配算法，对面部轮廓特征点曲率进行分类，获得同一簇内的人脸面部轮廓较高相似度。结合小波变换技术对人脸图形图像光泽的变化、皱纹的增加等衰老的处理，实现人脸图形图像的衰老变化。

聚类算法；主动形状模型；小波变换；人脸衰老

人脸衰老图像变化处理因具有重要的科学意义和使用价值，通常被应用于案件侦破、人脸识别、影视化妆及大众娱乐等领域，受到研究者的高度关注。随着20世纪末计算机技术的高速发展，人脸识别技术也逐渐完善起来。通过机器对人脸识别的分析过程，针对图像采集环境及成像条件等非人为外界因素的影响，可以提高对人脸的有效信息和唯一性特征的提取，从而起到身份识别的作用。与指纹、虹膜、语音等识别方法相比，人脸识别更具有便捷性、友好性和非侵犯性，可用于证件(身份证、驾驶证等)的甄别。

近年来，国内外学者致力于不同年龄段的人脸图形图像识别，在人脸图形图像模拟效果中取得了一定的成果。为了提高收敛效果，Perrett等人[1]提出了一种原型法，王章野等人[2]提出个性化衰老合成。模拟人脸图像的原型衰老方式，通过改变形状和颜色来实现人脸图像的年龄变化合成，从而科学地预测人脸的衰老图像。

本文提出一种新的人脸衰老图像变化的方法，该方法基于人脸图形图像数据库，采用单一人脸图形图像特征点提取，以标准为k聚类算法[3-4]，对人脸图像数据划分为k聚类。并结合小波技术[4]的纹理增强功能，对人脸图像如光泽的变化、皱纹的增加等衰老进行处理，实现真实感人脸衰老变化。

1 人脸轮廓聚类分析

轮廓伴随着不同生活水平下的身体胖瘦而发生改变，不同的脸型对脸部衰老变化的模拟会产生很大的影响，综合目标的生活环境、生活条件以及个人习惯等可以定制脸型的轮廓。在实验的过程中，对已建立的人脸数据库中的图像采用改进的ASM[5](主动形状模型)，提取人脸形状的特征集合(人脸形状的68个特征点)，通过脸部若干特征点的集合提取脸部的特征区，同时根据眼睛、鼻子、嘴巴及连续的轮廓保留了面部的有效信息。

结合聚类算法对轮廓曲线上的13个特征点(图1，标号为9、10、11、12、13、14、15、16、17、18、19、20、21)构成的人脸曲率σ进行不重叠划分，用于度量数据库人脸图像中脸型的圆润和消瘦程度。将n个人脸样本图像划分到k个簇中，使得簇内人脸图像的轮廓曲率相似度较高，簇间的样本曲率相似度较低。同时，不断更新计算出新的类中心，以调整聚类过程中数量过大的现象。k均值算法采用人脸曲率误差平方和准则函数作为聚类准则函数进行划分，k均值聚类目标函数调整为

(1)

其中，ci(i=1,2,3,…,k)为k个类中的类中心，Ci是中心为ci的聚类块。

根据欧几里德距离归入类中心ci中，再进行迭代更新获得最小聚类中心样本点。目标函数如下：

(2)

(3)

其中，cv为v个类中的类中心距离最小的样本点，Nm为第m个聚类块中的样本数量。

图1 人脸图像的特征点及标号

图2 人脸图像矫正处理

2 人脸图像预处理

在图像数据库中，人脸图像的采集受到各种环境及客观因素的影响。包括明暗差异、采集图像的姿势、噪声和缩放等，通过预处理消除采集中的噪声，并对曝光、尺度和姿态进行调整，改善图片的质量[6-8]，能够提高算法的效率和速度。

在大多数包含人脸的图像中，人脸的位置有时存在着一定的倾斜和旋转，如人脸可能发生平移、缩放、旋转、错切等变化，对于深度旋转的形状改变，可通过仿射变换以补偿原图像的变化，经过仿射变换模型C(x,y)=T(x,y)+α(T为非奇异线性变换，C为仿射变换，α为仿射变换后坐标增量)，如图2所示。设图中任意像素点位置(x,y)，对应仿射后的点位置(x′,y′)，则

(4)

通过仿射变换[9-11]将原图像按照正面视图进行校准，为保持目标图像的像素值，对像素点进行映射和插值，用双线性插值方法保证像素点之间的色彩连贯性，使用与坐标值(x,y)最邻像素点的颜色值来确定，求取颜色的平均值：

(5)

3 人脸图像衰老合成

随着年龄的增长，人脸图像的脸部体现出皮肤粗糙化、老年斑越来越多、皱纹逐渐增加等皮肤纹理特征。通过纹理增强区间，可对不同老化程度的人脸图像衰老变化进行模拟。

3.1 小波人脸纹理分解

人脸图像的纹理增强是将图像中同质现象所共有的内部物理属性显现出来，而人脸图像的特征主要存在脸部高频信息中，小波分解具有局部空间频域和方向性等特征，对于人脸原图像Faci,j，其尺度设为M×N。通过二维离散小波变换进行分解Ii,j∝{Faci,j}i,j∈Z，得到不同空间、不同频率的子带图像Ik,d(x,y)，其表示位于金字塔式结构中方向为d、分辨率为k的子带(x,y)处小波系数，分解得到的高频子带图集，包括低频子带LL、水平子带LH、垂直子带HL以及对角线方向子带HH。

3.2 人脸衰老纹理合成

人的实际衰老是受到生活的习性、环境、行为等众多不确定因素影响的过程，通过对多幅不同年龄段的人脸进行二维小波处理，保留处理后的高频老年人面部的衰老纹理，组成高频人脸衰老纹理库，绘制人脸衰老模板Iold，实现对任意脸型的多年龄衰老模拟。

对上述分量重新组合之后按照如下公式：

3.3 形状衰老模拟

3.4 色彩渲染

在人脸图像的合成过程中，小波分解只针对脸部的纹理进行提取，丢失了肤色的衰老变化，该操作实现了肤色衰老模拟。相对于原图像Faci,j灰度值变化范围，将修改后的衰老模型进行衰老肤色的色彩渲染，完成人脸图像RGB空间到HSV空间的转化，重新对人脸衰老模型的色彩加以重绘。

4 实验分析

根据现有的图形图像数据，对输入的人脸图像进行基于聚类算法的小波变换方式。如图3所示，在同一簇中匹配不同年龄段的模板，从而获得不同年龄段的人脸衰老效果，其中(a)、(b)、(c)为输入原图像，(d)、(e)、(f)为使用本文方法所构成的人脸衰老效果。

图3 基于聚类算法的人脸衰老图像

图4是使用刘剑毅等人的基于人脸合成方法所产生的衰老效果，对于制定的人脸衰老模板应用于不同曲率的人脸图像过程中，每个模板在不同曲率的人脸图像中所产生的衰老趋势一致，不同脸型之间脸部所产生的皱纹和眼袋位置相似。同时，较圆润的人脸脸型衰老变化时，会导致面部皱纹少以及肌肉下垂的现象。反之，较消瘦的人脸脸型衰老变化时，面部皱纹多以及肌肉下垂的现象将减弱。

图4 同一模板下的不同曲率人脸老化合成效果

图5 不同人脸轮廓衰老后的效果

本文采用基于聚类算法的人脸图像老化重构方法较刘剑毅等人[5]的方法更贴近于实际衰老情况。不同的人脸轮廓特征点的曲率直接影响重构区的覆盖信息，如图5所示，改善了人脸衰老过程中人脸轮廓的极限处理，弥补了人脸轮廓特征点曲率相近的衰老模板的匹配，使得衰老后的人脸图像的皱纹分布合理，脸部肤色的灰暗、肌肉的松弛和皱纹的增加都符合该轮廓的衰老特点。从细节上对重构的面部区域的皱纹、眼袋、肤色以及两颊进行处理，让衰老合成效果更具有真实性和实际性[12]。

5 结论

综上所述，本文提出基于聚类算法的人脸图像的衰老重构，通过对人脸轮廓特征点曲率进行准确的判断，进行人脸数据库多层次多分类的划分，从而建立庞大的数据库中人脸的高、低频子图信息的匹配信息库，提高人脸轮廓曲率的检索和匹配的速度。采用合成方法是将目标人脸图像匹配到人脸轮廓相似度较高的曲率组中，再进行目标人脸图像重新组合出新的衰老模板，有效地提高人脸目标年龄的估计差。此外，人脸数据库的大小直接影响目标年龄的差值，还需进一步加强算法的优化。

[1]Rowland D,Perrett D.Manipulating facial appearance through shape and color[J].IEEE Computer Graphics and Applications,1995,15(5):70-76.

[2]王章野,曹玫璇,李理,等.基于个性化原型的人脸衰老图像合成[J].电子报,2009(4A):118-124.

[3]李四海,满自斌.自适应特征权重的K-means聚类算法[J].计算机技术与发展,2013,23(6):98-101.

[4]段明秀,唐超琳.一种基于密度的聚类算法实现[J].吉林大学学报:自然科学学版,2013,34(1):26-27.

[5]刘剑毅,郑南宁,游屈波.一种基于小波的人脸衰老化合成方法[J].软件学报,2007,18(2):299-306.

[6]王先梅,梁玲燕,王志良,等.人脸图像的年龄估计技术研究[J].中国图象图形学报,2012,17(6):603-618.

[7]周姗姗,柴金广.图像预处理的滤波算法研究[J].科学技术与工程,2009,9(13):30-32.

[8]Suo J,Zhu S C,Shan Sh G,et al.A composition and dynamic model for face aging[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2010,32(3):385-401.

[9]邹北骥.非线性人脸老化模拟[J].计算机工程与科学,2010,32(3):45-48.

[10]A.Gallagher,T.Chen.Understanding images of groups of people[C].Proc.IEEE Conf.Computer Vision and Pattern Recognition,2009:256-263.

[11]Beier T,Neely S.Feature-Based image metamorphosis[C].In: Proc.of the 19th Annual Conference on Computer Graphics and Interactive Techniques.New York:ACM Press,1992:35-42

[12]DU Ji-xiang,ZHAI Chuan-min,YE Yong-qing.Faceaging simul ation and recognition base on NMF algorithm with sparseness constraints[J].Neurocomputing,2013,116(18):250-259.

Aging Face Image Synthesis Based on Clustering Algorithm

HU Xian-de，ZHU Xiu-xiang，LI Jing-ming，LI Miao

(Department of Information Engineering College,Anhui Xinhuai College,Hefei Anhui 230088,China)

A synthesis method of facial aging image based on clustering algorithm is proposed by using the face image database in this paper. A high similarity of face contour in the same cluster is obtained in classifying process of facial contour feature by using face feature point matching algorithm of improved active shape model (ASM). Combined with wavelet transform technology,he aging changes of the facial image are realized by handling face image of luster,wrinkles and aging.

clustering algorithm;active shape model(ASM)；wavelet transform；face aging

2016-06-14

安徽省教育厅质量工程项目“计算机科学与技术专业综合改革试点”(2013ZY084)；安徽省教育厅重点自然科学项目“犹豫模糊语言环境下的群推荐方法研究”(KJ2015A300)。

胡贤德(1975- )，男，讲师，硕士，从事计算机应用研究。

TP391

A

2095-7602(2016)10-0034-05