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

杨利霞

用 于图像生成的机器学 习 算[size=22.9204pt]法

6 Q8 _! j/ K0 W8 C

在人像合成中 的研究与应用

随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
5 }3 u0 c/ s  S; _, C& j，
尤 其是 基 于通用 图
4 v' s& M! F- ]. D, O/ D形
处理器 的并行计算技 术的快速发展
，
机器学习 领域获得 了 快速的进 步
! a; B0 ~0 `2 F6 w3 v* S。
  L9 h8 \3 {/ a随着 基于
9 G* x, T+ ?3 h4 A. C卷 积神 经网 络的深度 学 习 方法的 出 现
，
．
传 统 的基于 数学 模型 的机器学 习 算 法在
% M. z5 V% ?* S: j! n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
/ E6 d+ z' f! t  n+ `3 H' l7 t，
' J& Z6 W4 `0 ]& X* K尤 其是 ２ ０ １ ６
3 P6 @4 f( \8 d4 y. Q年 以来
，
基于 生成对 抗网 络的 图像处理方法
，
在传 统 的 图像识别
，
. E3 {/ w0 C; s, j' b. W图像增强 和 图像分 割等
4 k: v& O5 v. k1 Q! k" O( \/ g领域之外
% M5 \$ }' e6 t0 u8 d，
还实现了 基于 先验知识 的 图 像合成
; \' v4 M' @/ W5 A( d' S% Z% f，
但 图像合成过程中 仍存在算法
结
果不 容 易 收 敛
，
计算量大
，
优化速度慢
，
图 像劣化 等 问 题
# x: {, E$ k, |1 h; ~。
, V5 t: q" t& o" g9 r针对人脸 合成 图 像
" N0 G# `5 b( _8 n9 ?，
+ l8 _' G; ?. c: W( y9 M. X5 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
  y& ?- X$ Z( h节还 原度
# Z/ [" B9 Q+ h: a  {8 K，
$ s# M- C. r) h7 x1 ^9 t* R# _7 n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
一
( F3 F8 U( u2 q$ \8 Y1 Q4 B+ C6 m致性等方面
，
仍需进
! C% s: d* r/ W/ W& ^一
, m$ t) ?5 H# i5 i+ G7 x  j* ?步 研 究和解决
( n6 l, }$ I3 ~$ e3 O。
本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
0 R( E$ R' ?$ @% K3 R, Q; e* N，
将合 成过程分
成
了
6 N- C8 x5 t5 e! s( X% E3 q３
3 U' ^# b0 m' x* x1 Q个 阶段
，
6 d% \' A6 F, u" J9 H( I首先 是 图 像中 目 标主体 的分割
，
其次是 人脸图 像的合成
% n, V/ d; T: d; x，
最后 是 图
像的 超分辨和 画质 增强
，
实现 了 人 脸 图像生成算法的 识 别
，
分离
，
& t9 |  E, Y7 @. I4 c' O合成和 画 质 改
0 S# `: C7 G& O3 y善 的 全过程
7 ]8 z, f+ a& _0 B, D。
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
3 K, Y" {  A/ @7 b* R# p, G& M，
1 U- E/ {, Y) b本文 主要解决
: k) d5 o( Q4 {+ r" c' @了
) l- r% |2 _# X# p, p7 \) }# D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
，
主要
工
作 内 容和 创新点 包括
+ D; O" T/ ?' \- S2 O. S：
１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
$ n) a8 ]# V' K# m7 q，
设计 了
一
7 h/ |" l& Z& d0 \7 {; c  B种快速图 像分割
算法
* r3 Q  ?/ j+ L- `% v，
该 算 法通过逐层 二分法
一
% s9 b0 ?' ^( c" p& x& X次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
2 \4 X' V. l. ~* Q/ @1 n0 c( M，
9 B) ~# A8 a3 n同 时 由 分割 区 域得 到相 应 的 目 标轮廓
。
该算 法不同 于传统方法的 先 由 轮廓得
到
连续的 边界
; v9 a; j( ?- N% U- z* B, T，
再得 到分割 区 域的 做 法
& E' L, v6 A# }8 D# C9 Y，
4 H' x" K) q, {( `( _  V而 是 直接基于 颜色 统计信 息和像素分 布
. w' r' U  B& g. G% j* t0 u& d的
9 w$ z6 a7 N5 m, C形态学特征进行 目 标 区域 的划 分
，
减少 了 边缘分 析的计算时 间
，
且对 目 标 区 域
进
行分 割 的同 时 即 可得到相 应 的 区域边界
，
具备很 好的鲁棒性
。
5 F5 D' u* }" X1 u! S２ 、
0 m8 T% x' i" e从包含 人脸的 任意 图 像中 截取脸部区 域
，
% {! k: }1 B5 X! ~! ?/ n/ N* s经过背景 虚化
、
" {4 {6 t' N+ h! `6 j0 v缺失部分 补
# F4 I4 T6 t2 z* j$ \) F全
等步 骤
，
基于 生成对抗网 络进行标准人 像 的合成
，
, N: H4 b* s( T' h1 x& }6 W' K合 成后 的 图像具有 特征点对
8 D2 U. V: L3 G0 ^齐
后 的 人脸位置
，
且脸部 及肩 部
* _+ r5 _3 t5 w1 d1 S、
& `/ t+ C0 l' i% Y1 q5 m7 r9 |3 O上半身 等部 分都具有 统
一
$ h' \" f- \  s的 分 割与合成 效果
$ G8 a  e; K' m$ O" V7 d。
该
$ Y; ]( o' [2 n( r8 u. f2 O方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
- ^1 `$ D# Y9 e9 O4 q可以 实 现人脸 图 像 的标准
化
+ u+ B- f0 [8 w7 u% h，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
- P- ^0 V. q; z- o, s+ I/ r  n8 z。
" Y; @9 J+ d" L. j该 算法可以 作为人脸
识
别 后 的 处 理步骤
，
- I+ a- N8 i. b' l+ r! I5 e处理后 的 人脸图 像 相 比 原 图 像具 有更
一
致的 图 像模式和对 齐
: {* Z  E7 }1 Y后 的人脸特征 区 域
，
同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
，
有效改 善
现
有 人脸识 别 与分割 算法的 效 果
。
/ S, u( K- D- w7 A8 m- E! V4 p
9 I( y* T' x( x* N, q0 B& E