Bartentfernung mittels robuster Statistik und PCA

Abstract

Der Bart ist ein sekundäres Geschlechtsmerkmal, welches das Aussehen des Gesichts stark beeinflusst. Deshalb stellt sich vielen die Frage, ob sie einen Bart tragen sollen oder nicht. Diese Arbeit verfolgt das Ziel jedem die Beantwortung dieser Frage leichter zu machen. Dazu werden drei Algorithmen implementiert, deren Ergebnisse unterschiedlich gut sind. Die Grundidee aller Algorithmen ist, das bärtige Gesicht in einem Unterraum aus bartlosen Gesichtern zu rekonstruieren. Dieser Unterraum wird aus Bildern von bartlosen Gesichtern konstruiert. Der erste Algorithmus nutzt zur Rekonstruktion einen einfachen Least-Squares-Fit. Der Zweite nutzt zur Lösung des Problems robuste statistische Methoden. Der dritte Algorithmus teilt das Bild in mehrere Schichten auf. Eine dieser Schichten ist die Bartschicht, welche dann einfach aus dem Bild entfernt werden kann. Zur Berechnung dieser Schicht wird zuerst ein zweiter Unterraum konstruiert. Dieser beschreibt nur Bärte. Dann wird das Originalbild in einer Kombination beider Unterräume mit einem Least-Squares-Fit rekonstruiert. Da die Konstruktion eines reinen Bartraums im Gegensatz zur Konstruktion eines Gesichtsraums ein kompliziertes Problem ist, welches die Qualität der berechneten Bartschicht stark beeinflusst, wird hier ebenso darauf eingegangen. Um das zu erreichen, wird eine Principal-Component-Analysis durchgeführt. Da das nicht ausreicht, um gute Ergebnisse zu erzielen, werden zusätzlich verschiedenen Entrauschungsverfahren auf die einzelnen Bilder angewendet. Das führt zu einer starken Verbesserung der Ergebnisse.