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

. d+ F2 m* i- w

在人像合成中 的研究与应用

/ ^% M/ ^( z/ t' Y( ?7 j6 l1 u
. P) p6 I* ?# _9 J# M6 j随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
，
/ X6 l- [/ O3 }7 R7 C, Y& b; z0 c尤 其是 基 于通用 图
9 R/ _4 B3 |  F1 \  A8 P! R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
。
/ q; E0 J2 n* ~: {! i" i随着 基于
卷 积神 经网 络的深度 学 习 方法的 出 现
，
．
9 W* A( O% j( J! Z0 g; P) L传 统 的基于 数学 模型 的机器学 习 算 法在
( t- H9 ~5 b& ?7 F6 l8 a$ ]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
( E+ ?* B" a7 B+ Q, z，
9 j, C- A% M& V尤 其是 ２ ０ １ ６
8 P- }6 d4 \7 R. r. j: V年 以来
9 p7 z% u2 C+ ?，
# V2 p$ D5 w3 k; D4 n基于 生成对 抗网 络的 图像处理方法
，
在传 统 的 图像识别
，
图像增强 和 图像分 割等
领域之外
2 O; `+ ?! a9 v; z8 a5 ~，
1 U/ y" W$ Z6 Z0 b7 a还实现了 基于 先验知识 的 图 像合成
，
但 图像合成过程中 仍存在算法
结
8 S9 G  l- v- w8 H0 q/ H/ d5 x果不 容 易 收 敛
，
, }; J! e) C1 p8 `计算量大
2 h: d, D) T1 E' M8 z) m, B，
优化速度慢
# E0 E8 Y, W, K8 A. [，
图 像劣化 等 问 题
; y9 Q: t8 b" Z8 H' U。
针对人脸 合成 图 像
，
9 I/ _& X* |1 s8 `* F, z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
节还 原度
, |% H  q$ g) ~0 J) W) J% C6 F，
' k& l! t1 v( ?& s( S! A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
' g) K$ a2 R9 Q# W0 N7 ^2 p一
致性等方面
，
" t6 c* L( X$ y' @仍需进
一
9 T3 C* v9 V! ^1 H步 研 究和解决
。
. r; g1 `$ H  H- `- e: p本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
，
将合 成过程分
成
# z  l* S4 r3 R/ d; r2 c了
３
个 阶段
，
首先 是 图 像中 目 标主体 的分割
，
其次是 人脸图 像的合成
# t" \2 y  a4 j6 w& h* F，
5 N  c3 ?" L; x+ K7 U5 R; D最后 是 图
* M, F$ z3 E+ E. y9 S1 M像的 超分辨和 画质 增强
，
( M# ~+ i9 \( v* n4 y1 Y9 e实现 了 人 脸 图像生成算法的 识 别
，
5 d+ e( R6 J' N2 W- W  t$ ~( j. Z& R/ o分离
，
7 W( i- T+ ~. O+ e合成和 画 质 改
善 的 全过程
5 R8 t! w4 ~) i) p# [1 ^  A! j+ y7 @。
- G8 \2 k  r. [4 _2 k针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
，
! n8 h% `) Z0 E本文 主要解决
了
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
5 y( B5 F3 |1 j，
主要
. B; n4 |# }7 L3 P$ [! n4 g工
作 内 容和 创新点 包括
：
１ 、
" _, v/ p: d  M! o基于颜色统计信 息的 高斯混合模 型分类算法
0 }0 E. P* V' m8 y# Y，
8 j' F. Y; U, Y2 ]; `* A  ?设计 了
一
# n! u- e2 k% k- t种快速图 像分割
) w8 n' L  b9 Z6 q0 u) s算法
5 E& W4 U" Z( d) f- e2 K，
8 Q2 }3 O7 ^7 Q+ P, p9 L该 算 法通过逐层 二分法
; _$ ?5 A- A8 g. M, b一
. n3 h/ K3 {1 S, E* B. t次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
，
0 Z9 Z- P1 p$ F2 s' e同 时 由 分割 区 域得 到相 应 的 目 标轮廓
。
3 V8 B! Q4 G& X5 P( w( _0 B( s, A该算 法不同 于传统方法的 先 由 轮廓得
到
9 B* p5 m7 S6 j  d* E0 p6 F$ u连续的 边界
  q. H" Y: v1 e. f% u" Z，
再得 到分割 区 域的 做 法
，
而 是 直接基于 颜色 统计信 息和像素分 布
' J- Z( ?2 `8 m. A的
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
7 G$ V$ m: T' `  f，
且对 目 标 区 域
进
行分 割 的同 时 即 可得到相 应 的 区域边界
8 }& U1 z0 m. k3 R( |" o，
, D; K: @3 o7 C( c( p  D具备很 好的鲁棒性
: @' c( _/ T2 o' s2 H% _6 K& L6 T3 T。
7 E! s( V8 w1 M6 I( |0 Y: J, ~２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
" j* k+ j7 M# ?# L，
经过背景 虚化
2 d& r( _6 [% k9 m6 [1 \: |! o' a、
4 q; r9 ?" `9 d缺失部分 补
6 K5 G$ o* h6 ]( h全
# C7 l8 [: l0 c4 X/ k9 x3 P% y等步 骤
; ]: P+ r& h4 T- a，
基于 生成对抗网 络进行标准人 像 的合成
2 Y6 U3 N' M: g+ X. Z，
9 W- s* w/ I" ^- C合 成后 的 图像具有 特征点对
5 I* B& Z7 L9 b5 v  z+ Z齐
. \6 N& x3 g  @9 a后 的 人脸位置
，
且脸部 及肩 部
/ I( K- H7 `/ O, e9 a、
上半身 等部 分都具有 统
一
9 c/ K1 W7 a6 _7 {3 f的 分 割与合成 效果
9 y+ D/ s& D+ m" f9 V) C1 \! W* s% @。
该
; n2 ]/ ]/ D# {" t9 [方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
可以 实 现人脸 图 像 的标准
. l( h7 v$ u; q" |化
8 ~. n2 s" E& i" o7 s! a，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
。
: ^2 Q! p* v8 [4 c6 p该 算法可以 作为人脸
识
别 后 的 处 理步骤
4 K# F4 x/ A! P/ d. z8 D，
处理后 的 人脸图 像 相 比 原 图 像具 有更
! K- X. R5 `! Y" m+ l* W一
致的 图 像模式和对 齐
( |& W. ^4 l* c! n7 S* |5 Z, _% n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
8 b- ^! V7 j) H' u# e* f，
有效改 善
现
有 人脸识 别 与分割 算法的 效 果
。