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: 2020-11-13 16:28
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[size=23.1695pt]在人[size=23.4187pt]像合[size=23.6678pt]成[size=19.6817pt]中 [size=21.1765pt]的[size=23.4187pt]研究[size=20.9273pt]与[size=22.4221pt]应[size=19.9308pt]用5 @) r6 m- p+ j; w

- P0 m# K  V4 C4 _9 n  F随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展 2 M5 q& a. d8 a9 p, }' c3 B" G
，
& l: C, i' N8 m4 f6 j; c尤 其是 基 于通用 图 0 H1 @$ |1 I0 d. j  F/ Q
形 6 n) x- i7 }- a9 `4 [$ j9 l
处理器 的并行计算技 术的快速发展
- r8 e( F7 o, q, U4 |， + U1 b: q  v2 U9 p
机器学习 领域获得 了 快速的进 步
: q  Z! r* S/ V) F。
+ f- m, s4 P0 L随着 基于
, i0 o8 ~" i5 G) `% p/ X! q卷 积神 经网 络的深度 学 习 方法的 出 现% I% T6 N# x+ `( A
，
6 _5 ?+ F5 t; O．
* Y4 Q4 l+ ?: G5 s传 统 的基于 数学 模型 的机器学 习 算 法在
; w0 |) d6 a) h/ f/ G& A! o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 8 r& v* v% R) l% v2 D5 q/ c
，
, v+ D1 z# s8 [尤 其是 ２ ０ １ ６
. h' j9 U( c+ X年 以来 - ?" N' `3 L# V# F3 L" \9 h2 u
，
! h8 P- g+ {; Q6 s0 Z基于 生成对 抗网 络的 图像处理方法 7 ?* ]+ U$ q5 ~# ?" F
， " o: R( ]# o- H7 k
在传 统 的 图像识别
$ J. O4 P( Y" g1 `， 2 ~2 B& T, y& F% P" q
图像增强 和 图像分 割等 9 z, g) v# _! u" C
领域之外
6 Z4 H, E! u6 ?- e! ]2 A# i， # h- }) }) P! r+ V8 L( a, s
还实现了 基于 先验知识 的 图 像合成
! \9 z3 z* D. }9 X: b' L$ m， & O8 _# e: w9 i+ _1 ~9 u. K* R8 y
但 图像合成过程中 仍存在算法8 c* x; X% |2 w% @( u
结 $ s! d3 {# x; V- W9 E
果不 容 易 收 敛
% T/ D, ]- L/ `! c; _4 w# p( g  \5 d， & B' M+ P1 [6 I$ H  d
计算量大
0 w( V6 _' _( p， + {" H3 v  P8 o/ D' h% D
优化速度慢
6 s' F" r( }) u; P. v) t8 c% ]，
( N& o5 ^( p0 j8 b4 |图 像劣化 等 问 题 ) S- Q' r( O8 j+ c+ o+ K# }
。
: t+ z" B# v) H" O针对人脸 合成 图 像  T5 {# d1 l8 M5 }: o3 b* t
， / I2 Q0 Z" i( v9 y3 z  k
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
6 V3 s) o9 E; R0 ?节还 原度 - d; |# |! Y9 z& t
， $ k0 Q0 q8 l5 R( P& S: B/ v( G
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. }. L. J: m+ ]  x" G; p* X
一 0 D0 j7 E& }( Q" l: [+ m# X- t
致性等方面
3 k  g8 j3 P# [6 _" I8 _+ Z# |/ x4 v，
/ L  ]% U- {7 ^3 k" Q# C仍需进) F7 n  V- e3 X0 [2 a
一2 H8 ]& I& l: O1 Q+ H
步 研 究和解决 7 l; E, o5 J: v
。   P0 ?  h5 A3 H$ C) ^  O; F8 ~
本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
: t4 d% E* }( N' O# I$ s0 c， . D, a1 r2 F: V, o8 x" o
将合 成过程分 . B& ?- O6 O# m6 m. r& u, \
成
: ^; Y6 c8 @% u; `& O  L了
2 G% f- u. \. Z4 X6 W, h% j$ E３
* ^( V1 o. W2 Z7 I+ h' B7 _个 阶段
6 T: Y& N' k; G4 N. f" D; `3 j， % O* a+ {7 S+ G5 v( k
首先 是 图 像中 目 标主体 的分割
, L4 V6 y: X- J，
: C  \0 P0 Q9 p1 [2 S其次是 人脸图 像的合成 + O) S: R. j- {- K
，
4 b2 h8 i6 I% ~: C" A7 X* @最后 是 图
) _' {3 ]  V, v& v+ g% o" o- R像的 超分辨和 画质 增强
: P5 o# _0 f6 q6 ~- P& C， ; G, d$ F- A9 e- H% X
实现 了 人 脸 图像生成算法的 识 别
& |; ]$ ~* Y& K$ C3 n0 W6 Y% l- q/ T( e，
& X" ]( o' ~/ \$ U) \# i分离
2 E" M1 Z( i# q4 W* o，
* C+ W0 `- m8 S合成和 画 质 改
2 w- u; A" t6 Q善 的 全过程 0 u  j* c; |/ N( F
。 1 H0 u5 y7 Y; Y3 }! i) u
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题 - k! L4 n' ~9 c/ b# e  |* V5 s" L
， 0 Y8 ~4 b& H9 X" ~# ~" A1 M
本文 主要解决 % O' L0 P$ i, m; R/ V
了 * U8 @1 D2 H9 |
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 & X- a9 |0 I) j5 ]" z
，
6 v" Z1 p- o+ f. {  q( o主要
/ L" _! |1 E3 j+ ], t, s工 ( H+ w  n# i( n; l4 a) c5 |
作 内 容和 创新点 包括
! ~, v+ i# Z1 m：
+ h5 X2 O  f$ C9 K１ 、 $ z' d) ?) g2 }4 d2 c( [
基于颜色统计信 息的 高斯混合模 型分类算法
" g3 o" \& F/ T， " W' u& E7 L  _  ~
设计 了
* c' a% ~, \5 @: p1 @一 2 o" r! H. C6 K1 X/ m0 d" U/ ^2 b
种快速图 像分割
, Y9 M1 [+ d: U( V9 c算法 6 K* k& O& E6 J* ?, n4 N' S
， * L# \( A) {# ?% }
该 算 法通过逐层 二分法2 o$ Z1 o, o6 O- P9 C
一
4 I- p6 v) K1 y/ H' h次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
( m3 D' A* ~0 {) l8 Y，
' y2 y" p; ~; D$ k! ^5 P同 时 由 分割 区 域得 到相 应 的 目 标轮廓
5 v8 b/ m3 x& i& j( a。   }7 R; S; j, F- u  V
该算 法不同 于传统方法的 先 由 轮廓得
- Y# _  N' z2 B6 Y) i到 0 a: m5 a: d1 n: E* [6 A5 e
连续的 边界
; [  F, e/ V! k， ) P( l- K" r# ^
再得 到分割 区 域的 做 法 ' N  N/ y+ s8 u3 ~; R
，
0 c3 g3 }; a- L6 U而 是 直接基于 颜色 统计信 息和像素分 布
- ?1 s3 B' v% x5 {  w" |7 ?/ m" g0 ?的 , ]6 N1 w% S" T
形态学特征进行 目 标 区域 的划 分
3 I0 Y7 e( o* F, i$ ^% L7 L， ! ^5 D" F& Q2 g% G" |9 c
减少 了 边缘分 析的计算时 间 " T5 [4 c3 M9 H/ F
， ; G4 ~! U- t5 @7 @$ b' O: C9 I
且对 目 标 区 域/ ^; X' Z: d# D+ Y" U
进
6 T' d" N* D! U4 m( T4 N3 a) }6 \4 H; j行分 割 的同 时 即 可得到相 应 的 区域边界
! D) F8 w2 W+ V  p; \， " O) z! ~0 ?' ~# Y; n
具备很 好的鲁棒性% `5 A! N+ M9 Z" }3 y; R& t
。 / J% G& G$ B  p# K# d; q
２ 、
* X! N2 W! K6 K/ e从包含 人脸的 任意 图 像中 截取脸部区 域 ; H5 K. ?& v  U
， 0 d( t+ P  G' B4 U% o
经过背景 虚化
0 y, w, p+ P, m% `( Z、
- h( O7 ]( O( [4 m# Z, M- ]% l0 k缺失部分 补
+ a4 P  m6 d$ U. u( f全 4 v  F5 X2 _$ I. \! K+ F" F3 Y
等步 骤: r/ i1 `. u( z1 w# K! A( J
， 9 P8 c/ f% j3 s! V2 @) [
基于 生成对抗网 络进行标准人 像 的合成
0 @0 V* ^' \* y: X" J1 P, P， 3 E1 k# J1 T* N% T) ^
合 成后 的 图像具有 特征点对
% k0 o" w5 I" O齐
, _/ \4 k# i4 C0 W! F- Z+ ^后 的 人脸位置# q6 w7 G/ Q) V. O+ W
，
. O) m3 w- ^2 L4 T- b2 C且脸部 及肩 部
. P  x2 w4 K# ^5 m、 & @; v9 c( \, _) Z+ u$ H. Y/ I% a
上半身 等部 分都具有 统
8 a! {' N  o- z6 n. b* V一
6 Y0 S7 ~. x' T( t# |: Y的 分 割与合成 效果 $ }: `6 U4 j0 u1 @
。
, y+ L- P( W+ u6 w" [: i该
5 m  o+ ~. q0 q: x0 I: n8 {; E2 w方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像 9 q3 ^5 ~+ |, z: O  q3 ]
， 2 ^$ f* }( }7 D6 F+ b% @6 `; L
可以 实 现人脸 图 像 的标准 2 h" v  v1 y  o9 T' G
化 # t4 a2 H/ c$ I7 p: R
，
- }) j  `; W" h6 N" u5 O1 q! e+ ~( m同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息   N' K4 q5 u2 N  l, }, z: D
。
/ S8 e# t/ Q; A1 ^该 算法可以 作为人脸
6 a5 D8 e" W1 Z& ]% }识 " F7 G1 @. c# z0 |. p
别 后 的 处 理步骤
' ]3 n) S: F/ Y8 \3 q9 P/ L，
: m6 l: p0 r3 }" {处理后 的 人脸图 像 相 比 原 图 像具 有更
# ~9 q0 Z6 Z9 f$ @) }- z/ Y一
9 a8 Q! B6 ^% x1 Y致的 图 像模式和对 齐 / U4 J2 q; p" j
后 的人脸特征 区 域) n* ~' B- P1 S0 l8 t
，
1 H1 L/ l0 `  i# V% G; _8 s同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
5 P; g' s1 t9 V1 E! g，
9 m6 X* D0 L# I; a8 g/ k3 r有效改 善, s6 G. o2 f1 X7 V* N$ ^8 x/ E
现
2 O& \0 M- y6 {- B+ i有 人脸识 别 与分割 算法的 效 果
& K$ ]; I9 s2 P. M; S9 a。
0 i0 b8 k2 |& e9 O+ X３ 、
3 U. t  v% I+ H$ x3 u9 z- w最 后本 文提 出 了
: Q& E, {* U9 ]$ m+ {! r一4 z5 D! l- \8 x% R( R
种 针对人脸 图像进行优化 的 超分辨算 法  a4 N) l* W" n3 X; S
， : j# R# o- r* }3 L) i
相 比 于现有
- j2 D3 l! ?' @+ z' E) u$ }- d* R的 图 像超分辨算法 6 k+ O. G4 Y1 M& L
， / E! E* n# u8 m# o
该算 法在图 像 的超分辨合成过程中 # M3 l6 P3 F: V: o' r
， 3 r# p2 f: P8 E# O4 Y; Z
在关注合成 图像的 质 量 , ]/ X. r4 g) ?; @/ |+ _8 D) J9 p  l
Ｉ摘 要 . _  O) x( a+ l
和更加 细致 自 然细 节 的 同 时
2 H& ~4 L5 a) y! P! F，   _3 |( a6 J& Q
更加 关 注得到清 晰 的人脸 图 像 以及 与原 图 + E3 P  @9 C1 G% {
一; p* H4 J# I2 j
致 3 Z% J. ~" h8 x" w4 p; N  o
的
1 ]+ [/ C+ G! K' q2 u$ h人脸身 份信 息 5 T2 k/ A1 B5 {8 N4 x
。
0 _) X" H4 t1 s0 }# [算法通过引 入 生成对抗 网络和残差 网 络 / z) M2 w0 h; E' J% O
，
* R( O8 L0 D! r: k) R& `/ L实现 了 上 述 目 标& }, A, F, g' j
，
/ n: \+ {- h$ f1 G, W可   ]" d1 l$ b# m" b* w' o; e# e
以 : O; B- ^# j" ?/ Z# g( ?
实 现图像 的 ４ 倍甚至 ８
# E9 [8 N) e* N) ?倍的 放大
4 y$ B$ t  B* [: [， ( }# B: T2 o( [
将模糊 的 图 像合成为 具有 较高清 晰 度 和丰 富
$ \. H$ P' h& ?: h$ _/ x人脸信 息 的 高分辨率图像 * R; L3 f8 I# s# a/ v& T* M
，
) V/ E& F$ F- u' S6 p同 时算 法具有很好的适应性 和 鲁棒 性 % a! y4 q7 R0 {0 B% L
， ; {0 [9 i" J: E. ~# j2 Y$ t
对于 不 同数 据
2 O/ S% G! N5 B库 中 的 人脸 图 像样 本都具 有 很 好 的合 成效果   g  J! X8 \- ]8 g$ y& u. ?- k
。 " C+ j/ ]2 H6 D4 ?
该 算法采用 了
. b4 M8 J' O6 ^8 r一
5 x- f9 a  Y  y' h, Y, n2 ~种 端 到 端的 灵
; Q; e/ Z1 o) c  v活
5 @, t- W, v2 S; w" u: x9 R的层叠式结构
, H: l2 u0 G+ ^， 1 a( f4 T3 L: i2 L
可 以适应 不 同 的算 法调整 目 标和 图 像 合成要求 9 h& d: L% Y% V. W7 S* q
。 9 n8 G1 P) X8 a2 U3 ^8 o8 f
４ 、 $ V, c: ?2 Z3 ~! e
本 文在人 脸合成 图像的 对 比过程中
# m# e& X% a& d, e8 T，
; b7 L: E8 g: `8 F/ h. d提 出 了 使用 Ｆ Ｉ; a6 P$ l/ [9 R- \& N
Ｄ （ Ｆｒ６ｃｈｅｔ Ｉ ｎｃｅｐｔｉ ) \1 g" O& a. e: c, Z1 H
ｏｎ ( I% m* B" H- i4 F0 u1 w
Ｄ
" n8 D3 V: i: I2 Y! tｉ ｓ ｔａｎｃｅ ） & u# n' l9 \3 t- B: X, L5 B: C
代替 以往 的
+ p8 s  x: @5 ~: a/ t/ R3 T6 aＰＳＮＲ
; ~1 D1 Z; I  M（ Ｐｅａｋ . D8 b! B: g+ m! F  \9 Y
Ｓ
4 h6 D/ k6 G. [/ E; Cｉ
. S( b5 H1 g- ~# |  ~ｇｎａ5 F. _. T7 v9 e: I( ]+ y
ｌ
4 t6 t6 `5 V) B－
7 l& W; c8 C8 K5 q( b# F$ l+ |ｔｏ; j4 _; i  ]( }  p
－ & p+ @& ]+ a, M- w/ s# W
Ｎｏ * c% `# X& i0 b+ k& J* N% ^
ｉ ｓｅ Ｒａｔｉ ; Z3 k- }& i  q
ｏ + B; G/ k  _% @/ w; B$ ?
）
7 ^) c" x8 U) S% U" z2 V2 I和 1 e3 K: m0 Z: i& Y: h0 ?
Ｓ ＳＩ : L" k1 a: {& N# i
Ｍ 6 H% G3 j; U' T2 F( l& H
（ ｓｔｒｕｃｔｕｒａ
( Z( W3 y- h4 y" j0 n2 F7 \. c' ^ｌ ｓｉ 0 F1 X4 q, l& d! Y! T0 g" f) t
ｍ ( i* W" \" q% L) u; c
－
1 w) I3 [6 g. e" |$ wｉ ｌ
1 v! O$ [( b& D  o9 B1 \1 aａｒｉ ｔｙ ( W  W* Y$ @3 B1 T" q) Q
ｉ ; b. x4 u* k6 ]5 S. X
ｎｄｅｘ ） 6 \) T9 E" F* a, B, v
参数作 为人脸 图 像合成 以及超分 辨算法的评价依据
( u: L- O& [' _4 K, w，
9 m7 S: B6 q+ F3 b因 为 ＦＩ , ]. S. I2 {% c$ \) j& Y( l$ T8 `
Ｄ 值能 4 ~% b% Y. W9 D
够更加 准确 的表达 图 像对于 人脸信 息 的保 留 情况 3 C6 F! |/ g% K% t1 `
，
' n7 i) X! t8 t2 a. E8 t8 I- F$ C同 时通过全局 特征 信 息 的统
4 K2 S( U$ X$ E: l, Q/ v计得到 图像整 体的合 成效果 与 原图像的对 比 5 P, H: Z! |  B" {9 D# M8 Q
。 6 x: \7 Y4 Q5 }+ ~
Ｐ ＳＮＲ 和
4 X+ R$ d9 M3 uＳＳＩ ( M2 k' M3 F9 ^# I& {' |
Ｍ 则作为 图 像局 部细 " R- j) j; e/ j- i& U& R
节特征 的评价标准更适用 于评价 图像本身 的清 晰度
3 \9 C4 U; F3 E，
8 z' T3 u5 v" o) K$ `1 x$ V细节质量等局部信 息 / p; ~0 P4 }6 S& g1 F$ V. S
。 , Q, K; C, k! R
通
5 w! l. {. G4 U过 $ j8 G, g, s9 h  O( B: D
三者 的结合
1 ~+ [7 S( A6 b' x/ e. R， ' h) Z) ~$ E, l; r8 j& f' v
可 以 更好的评价合成人脸 图像 的 清晰 度 以 及合成 质 量
5 X5 l3 Z2 K: |5 z$ `' v，   h' L5 ~/ X1 l" a: B! l' _' M# u+ n
同时 评价 9 Y# m2 C8 @5 C
合
8 c+ H! k" h$ y! c8 [5 b成后 的 图像 与 输入 图 像相 比 + R  K8 \9 F- H* D6 k4 ~
，
! S2 T4 e) T3 S8 c) m3 u其 中 的人物身 份特征是 否能 够得 到更好 的 保留
9 z6 A' Y) _9 }. ?8 `/ f9 b" T2 }- {, f4 l! Q
7 j% G9 C- w6 K

; |0 I( X+ Y" A9 |! m* }3 _
5 d# r+ ^2 D1 K/ ]- K9 N+ Y0 C4 N0 {9 |# a/ `( T

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

21.13 MB, 下载次数: 2, 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