数学建模社区-数学中国
标题:
用 于图像生成的机器学 习 算法 在人像合成中 的研究与应用
[打印本页]
作者:
杨利霞
时间:
2020-11-9 15:18
标题:
用 于图像生成的机器学 习 算法 在人像合成中 的研究与应用
用 于图像生成的机器学 习 算
[size=22.9204pt]法
6 v- A$ g& V+ P& G1 x! R
在人像合成中 的研究与应用
+ F1 M! t$ U1 \2 [% x
1 g; ~/ T" \: L6 Z- x
) X; b0 |/ n4 n I3 y! e* \
随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
7 I+ W+ e5 V& F+ \- V
，
0 O# Y( A* y4 f# J U; M! |
尤 其是 基 于通用 图
( |# l' g7 B. V8 f! K5 q6 B
形
7 [. A3 K% W5 P, f
处理器 的并行计算技 术的快速发展
" K; M' D' w- \! x
，
2 H3 W2 s0 `+ x& M- E B( l4 v
机器学习 领域获得 了 快速的进 步
! F( n& Z4 h! g3 W7 G
。
. {8 t5 T6 g) g5 X9 r# B9 K
随着 基于
# ]- ]3 d" w' f
卷 积神 经网 络的深度 学 习 方法的 出 现
1 o7 @. Y4 v+ }4 ?# D2 V
，
+ x' m9 j: j2 e+ ~* o
．
: c2 M; I# m X% L. c
传 统 的基于 数学 模型 的机器学 习 算 法在
; D; {. T; d" `( X
很 多应用 领域都被基于统 计学 模型 的 神 经网 络算法所超越
& K% F' u# j9 I; }- ? A& _& g
，
: ~+ V" t) L b& R
尤 其是 ２ ０ １ ６
. Q, {9 j, }5 C: b% P3 N7 n9 s
年 以来
( g6 @. u& E6 D- k) R& u
，
# w% A) \ x3 B1 X" K, a1 b
基于 生成对 抗网 络的 图像处理方法
3 d0 \3 F- L5 i4 p$ ^! b
，
$ l, U8 R9 Y+ E& W" Z4 T4 n- p5 f, \
在传 统 的 图像识别
: `% ?1 @0 K" P7 U) _
，
! E( k. y( m( x! a0 v
图像增强 和 图像分 割等
) ]6 z1 Q- J0 r. h" c
领域之外
. g7 g! K/ c: q5 U, \& _/ {
，
" A+ n& K6 C4 Z7 v" _) y, j& }7 G2 G
还实现了 基于 先验知识 的 图 像合成
7 d# |7 f; H# \( q1 u& M. H) k, E
，
3 A3 O5 I. U5 _& |' }2 ^1 n# n
但 图像合成过程中 仍存在算法
- k6 E5 Q$ O4 v5 D
结
, y% W( M. N! C& x& Z# \5 M% e
果不 容 易 收 敛
# m8 p1 ^# T2 k# k) d( G" Z* \
，
2 ?8 A( W8 G9 l" t
计算量大
% X- `! C# x6 m) X) i
，
% Q2 @. a: U3 i$ M! f4 H$ o3 T
优化速度慢
6 w5 \; Q$ s5 o! \- D6 j6 E1 X
，
' p5 h; r0 W! G }* V; N
图 像劣化 等 问 题
+ E) j1 V9 b: L+ H7 M6 I0 T8 f& y L
。
! f' ^6 @0 f2 a/ v
针对人脸 合成 图 像
! | S }6 s. {( A# o" \
，
! j( j8 i5 n2 c/ `
已有 的 图 像合 成算 法其优化 目 标与 评 价方法更多 的 关注于合成 图 像 的质量与 细
+ w8 J* K, Z4 g$ Q7 S
节还 原度
, T9 z$ `, ]* U+ k4 i4 t
，
4 w! C9 P1 t0 \
而对于 人 像本 身 的 身 份信 息 保持与 目 标图 像 与源 图像 的 身份特征
7 n' j: b3 k2 f: l( `- O1 o3 s
一
& P! d8 X% u3 Z0 k x' A' z" K
致性等方面
4 B: r& _2 {8 r: a+ Y" _
，
! @% | Y: T/ a) |! U
仍需进
* C: L7 h1 l! p
一
, l: ~6 r+ p, x& `* j8 Q: h2 o" P& Y9 B
步 研 究和解决
$ {/ `3 P# n N
。
; L# I5 z( n4 M: t! T3 e0 d0 h
本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
5 s. @% L0 P/ e' M
，
1 c( R0 ^5 B0 u0 T b! ^$ t# J
将合 成过程分
6 _* Q4 e# W& t- a
成
" {/ Z4 H- N: K8 m2 l0 @( ]# c, q0 t
了
) \1 F$ U3 }/ [5 D+ U
３
$ u3 h# d5 P! {4 f/ }+ z( P
个 阶段
9 @/ e# l, R! n- c# U
，
+ ?1 }& \3 }( k6 l l: H5 n9 T5 }
首先 是 图 像中 目 标主体 的分割
3 b4 u& h. ]/ L
，
+ h* a9 c( w3 b
其次是 人脸图 像的合成
, M9 K5 C( ]* D$ Z) {+ I' e7 w3 F
，
& C- ]" `* Z: l' j% m
最后 是 图
! f: f) x/ E6 |" `
像的 超分辨和 画质 增强
9 ]' L% I5 C$ g7 n$ m5 @5 v
，
0 G6 B; c1 U5 B' W* G- M
实现 了 人 脸 图像生成算法的 识 别
9 J) R. r8 D- R3 p2 t9 n% C7 n
，
- f7 k: {1 Q3 y8 ?
分离
- d9 p4 p/ Y1 l1 w1 Y
，
2 ?" i" d% _8 B0 N- q+ S
合成和 画 质 改
5 a5 y: d8 k5 o" _" E
善 的 全过程
( N# S; A. y, d
。
3 U9 w& |- I% p. B2 l4 G' E7 s& c# [; i
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
7 I/ k, m/ S3 a
，
S" Z/ S' ^2 T$ e) q- I4 s
本文 主要解决
& q5 }) Z+ Q& j! |
了
" W0 @& k" j+ i/ W+ q
人 脸 图 像 的 主体 分 割及 合成高 质量 的 保留 身 份特征 信 息 的 图 像的 问 题
$ C. O% W, }5 S1 P: _
，
- r# j7 C$ a$ F
主要
4 Z, Y8 @; ^' D
工
; t/ z4 n) p3 Z% }$ B9 A
作 内 容和 创新点 包括
; E/ J. v- G. G
：
9 F$ t- L/ V0 b B% ~6 B, D6 M9 S
１ 、
/ [2 D2 {2 c- h7 O( I6 o
基于颜色统计信 息的 高斯混合模 型分类算法
- m$ ^: Y, @9 z% Z) V- l+ B- T) Y
，
+ O- F# @) f; w3 i/ L7 {
设计 了
+ e5 l5 _3 G+ z0 {! ~
一
' e& F- E8 r* X
种快速图 像分割
% a, V$ D; j, E3 L# |9 S: ]
算法
$ P: p+ H. ~6 y" l) z7 A7 l. ^$ ~, P
，
2 P1 ]( U& i3 V7 I4 e
该 算 法通过逐层 二分法
2 \; H. { X9 s5 {
一
0 U5 Y% p! a5 p
次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
% t0 g P; r# b0 P+ N7 B
，
5 C8 p* v* C( T& R- a, O+ G
同 时 由 分割 区 域得 到相 应 的 目 标轮廓
/ J R; |# s. I9 J: n) Q D
。
, ^. F d1 x, @4 i U8 }2 m4 e/ K
该算 法不同 于传统方法的 先 由 轮廓得
8 b9 Y9 e- g, p
到
; b7 ^" _' p& d0 ^& c
连续的 边界
) z7 y/ O2 r1 p, P. P
，
7 T+ K/ R& X) r" ?6 l9 G# m
再得 到分割 区 域的 做 法
$ H \1 I2 s. i3 Q4 Y/ O8 D# ]
，
( t3 F1 F3 Y" k# I4 t
而 是 直接基于 颜色 统计信 息和像素分 布
% f9 u7 i c- _: l
的
" i7 \0 x0 _( h
形态学特征进行 目 标 区域 的划 分
+ D3 F4 ]0 o) `% ?: \/ {
，
1 h! s7 r& n* i2 W: r' ]
减少 了 边缘分 析的计算时 间
; J$ k: u+ a5 _; [2 N ]$ Z6 @
，
! a) F0 i8 ~* x. S" b7 h
且对 目 标 区 域
0 w# k9 `8 A+ R( k) P8 E9 @" h
进
C- r! |0 ? \/ v( X z) E% h
行分 割 的同 时 即 可得到相 应 的 区域边界
5 p% d9 D9 t- d% O
，
3 v4 t6 P0 z/ x2 c7 x3 f
具备很 好的鲁棒性
( Y. Y9 p1 B* w/ e+ c1 l
。
- D" W! | a! y, Z: B& A; j0 A
２ 、
4 P5 E0 M7 x: u; }# ^
从包含 人脸的 任意 图 像中 截取脸部区 域
3 |; \7 M z$ t- f/ u& ], v' b/ b
，
! Q |' y6 C+ Q. L# L& \
经过背景 虚化
+ |/ w# ?2 n. s% }" O z3 i# e$ l! e
、
% h2 n, u* x+ l$ ]" J
缺失部分 补
" b8 C& }( N0 j' _/ f# j4 z8 i; |9 K
全
& ^ K. e& w; b) T
等步 骤
j' y+ n* T: h; x) Q5 ^. r
，
) J4 w$ ]- Y {* {7 ?! W. s
基于 生成对抗网 络进行标准人 像 的合成
/ `; A. m; V2 r8 {. Q4 w) S
，
# B' j; G8 j/ _ \7 Y
合 成后 的 图像具有 特征点对
+ o* e* d" I; g1 G$ }, ^6 W
齐
$ @3 h7 A! r7 `6 w8 M( S
后 的 人脸位置
, [4 y/ h8 O" i
，
2 |# Q+ @6 D) V8 Z9 ~* z
且脸部 及肩 部
/ e: r" u" l9 Q/ e
、
' G* r8 S; _0 F2 u2 K4 a- a
上半身 等部 分都具有 统
# ~' n. J1 R# t; K) q& q. O
一
% ] a6 |% p* o
的 分 割与合成 效果
& P: n% E. U) s
。
; ]. x* e& @( x3 i1 v
该
0 k# {- Q6 }1 i0 v& ^1 S
方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
" ^0 l9 c& L2 {8 I5 ]9 ]
，
$ g" V2 @* u( ]% p, P
可以 实 现人脸 图 像 的标准
6 z7 R3 d! C( J/ E
化
( M3 \- U$ Q! [6 k/ t/ b8 a
，
& s. k! A+ O- A* \3 s
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
: c2 ? O# ]# o% Y: W
。
* T2 T- i4 L) T: o" p0 G. S
该 算法可以 作为人脸
( u. i8 m3 L S3 x
识
9 P* E$ t/ c" D
别 后 的 处 理步骤
5 H; o7 e4 P9 Y& z7 I. U! u
，
( [9 f. ]5 N* l2 `3 f2 z: ?
处理后 的 人脸图 像 相 比 原 图 像具 有更
% ~7 Z% o( z+ t H4 N
一
2 ^) g( o5 ]% g# @& O
致的 图 像模式和对 齐
! v3 C+ L4 D. J8 z/ N
后 的人脸特征 区 域
9 r# B- b3 p$ D# t. M( b3 C% |
，
( z# M$ l$ u2 P3 A7 j% Q
同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
0 @) t; a, k5 ]
，
1 S9 ]: i3 v* Q) ]# H
有效改 善
: m: t. \; |' `8 ^/ Y' M4 n( Y$ M
现
3 \0 a8 L# f! i3 X/ T$ R7 k9 v3 L" e
有 人脸识 别 与分割 算法的 效 果
) u V: ` u2 k! l3 f6 w
。
! W+ q7 X; }( S5 U4 t5 c* B
5 j- O9 Q* @( S* S+ x$ i4 n
. g3 q' t+ d: k' {5 r
用 于图像生成的机器学 习 算法 在人像合成中 的研究与应用.pdf
2020-11-9 15:18 上传
点击文件名下载附件
下载积分: 体力 -2 点
21.13 MB, 下载次数: 0, 下载积分: 体力 -2 点
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5
