论文部分内容阅读
人工智能的蓬勃发展，让机器人走进了我们的生活。机器人不仅可以满足工业需求，也可以应用在艺术生活中。目前，机器人可以进行漫画、素描、油画等艺术创作。而简笔画利用点、线等简单元素表现物体特征，更贴近普通人的绘画，更写实传神，更适合机器人作画。前人对简笔画制作的研究非常少，没有现有算法，论文吸取制作漫画、素描、油画的算法优点，分别研究基于图像处理技术的算法和基于卷积神经网络的算法，提出了一种精确、快速、鲁棒的算法生成人脸简笔画。 首先，利用图像处理技术生成简笔画。该算法基于肤色检测方法提取头发、人脸位置，通过分析获取更贴近真实人脸的特征域。在此区域上，提取轮廓生成人脸简笔画。该方法能准确提取人脸外边缘，但五官细节无法准确表达，人脸内轮廓杂乱不整洁。 其次，为得到更整洁准确的简笔画，使用卷积神经网络这种图像处理最前沿的技术生成简笔画。结合人脸简笔画的特点，对网络提出两个要求:1)对图像整体训练、预测，端到端的生成简笔画;2）对图片输入尺寸无要求。根据需求提出粗略的人脸简笔画生成网络(Sketchy Facial Line-drawing Generation，SFLG)，详细分析网络结构设计方法和损失函数定义方法。但该方法生成的简笔画轮廓粗糙，准确度低。 再次，为得到更精确细致的简笔画，改进SFLG网络，设计人脸简笔画生成网络(Facial Line-drawing Generation，FLG)。FLG网络改进池化和激活方式;改进损失函数，加入融合损失;改进网络结构，分五阶段像素级融合特征图，并进行完全卷积、反卷积、侧输出操作得到侧输出图，通道级融合侧输出图并后处理，得到更精确的人脸简笔画。 最后，论文对三种算法所生成的人脸简笔画进行了效果图对比、算法对比，分析其优劣情况。实验结果表明，基于卷积神经网络生成的人脸简笔画，适用的人脸范围更广，有一定的普适性;算法稳定，生成的人脸简笔画均能准确的表示人脸;网络使用了完全卷积，反卷积，不仅能端到端的生成图片，而且对输入图片的尺寸无要求。FLG网络是一种精确、鲁棒、快速的人脸简笔画生成方法。