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

在人像合成中 的研究与应用

' @3 x& q: g& n, {  x

9 [* [! U, b0 ]% Y" t& M$ I# t随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
& ^2 _; m3 V- J# S' _' E，
尤 其是 基 于通用 图
形
9 e! ^/ c8 r9 s+ H, G+ Z处理器 的并行计算技 术的快速发展
& z7 R, `2 T+ H, [4 D，
机器学习 领域获得 了 快速的进 步
。
' s& q4 ~( F0 J7 v: b9 t2 f5 n随着 基于
卷 积神 经网 络的深度 学 习 方法的 出 现
) J$ d7 k/ W4 e+ n6 T，
0 Q, ^7 c3 c$ Y2 z% N5 c．
! @3 B! l" I: m9 U; t8 B, a传 统 的基于 数学 模型 的机器学 习 算 法在
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
- a6 P% m; T2 Z5 j，
尤 其是 ２ ０ １ ６
/ R, }+ K' J" v6 C. n( f- W年 以来
，
基于 生成对 抗网 络的 图像处理方法
* n3 x! W: H6 H5 A) p+ `，
, [. Z; R; c/ h. p" A2 b+ s在传 统 的 图像识别
，
% n4 u0 ?. F' \图像增强 和 图像分 割等
* D. D$ t8 Z. d$ Z7 R  W8 }领域之外
，
还实现了 基于 先验知识 的 图 像合成
，
3 O$ G) Y& _9 w7 J6 N6 X但 图像合成过程中 仍存在算法
0 b& O/ L+ }& k+ Q结
/ J7 {0 y7 N; m3 R( ~" A# w) D* {果不 容 易 收 敛
，
计算量大
! n5 h3 ]) n, @，
优化速度慢
6 ?$ X4 n, }# l9 O! l8 e，
1 {% ?! N- y2 Q" [: K3 Q图 像劣化 等 问 题
。
针对人脸 合成 图 像
，
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
，
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 o' u/ I# a% k" y( `" {一
致性等方面
，
仍需进
! z2 v4 a0 E4 O! S- ~6 x一
步 研 究和解决
。
& i2 N  ?1 r" h/ I" e本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
1 c* c; Y" y( l" d( V0 n，
将合 成过程分
7 p, O( m* B0 M成
了
- J/ [1 E4 r+ p% B6 f- Z/ X３
2 u) J, ?$ b) X% r" v/ S! \- b6 R) C个 阶段
，
. r1 B  d* w3 @, p首先 是 图 像中 目 标主体 的分割
! p2 F- Z0 g4 @，
其次是 人脸图 像的合成
, ?; a6 {8 z9 N1 {，
最后 是 图
像的 超分辨和 画质 增强
; W% D: S+ V0 y% |，
实现 了 人 脸 图像生成算法的 识 别
! j6 A3 I, }% S% ~) ^! t，
9 z# X6 r8 F( O, V& c分离
+ b1 U0 F% L! g5 Q9 e，
合成和 画 质 改
! U+ \: {2 v+ R8 E7 e善 的 全过程
。
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
( s2 |5 ^; d) ]9 }0 j4 b; m$ {，
' `. n4 `0 j4 A* m& @3 ]本文 主要解决
( w% [$ F. ~( N1 p+ E2 _了
- s6 R1 h+ R/ i' H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
1 @6 s7 f( ~" l作 内 容和 创新点 包括
) A: @% V& G. I4 ]5 N% W' p：
8 d0 F9 N. I* l$ m6 F5 S8 _. S１ 、
& s' n& S' [8 L  ?7 V  ?5 b2 L" D基于颜色统计信 息的 高斯混合模 型分类算法
9 b; V, ~9 ]& s0 \6 }" _5 k，
设计 了
& [' ~* m, s5 y5 u, m$ x, W一
种快速图 像分割
算法
，
该 算 法通过逐层 二分法
% D6 s7 d# {8 Y. z! J* A8 s9 j; u/ ]9 [一
. o% z  u, H' i次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
，
$ h# X, c8 {# M2 S同 时 由 分割 区 域得 到相 应 的 目 标轮廓
7 d- d0 Z, K9 v  s' @8 x。
该算 法不同 于传统方法的 先 由 轮廓得
到
连续的 边界
，
9 Y' g! |; g* [1 F) f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
的
, M! j5 S. O  h/ c形态学特征进行 目 标 区域 的划 分
6 `+ A+ U6 {- {9 F: @; }，
减少 了 边缘分 析的计算时 间
) C6 j+ x5 U) f4 B6 h，
且对 目 标 区 域
进
0 |  `: P: r1 |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
3 f% e( }1 M9 z$ \' c" H。
２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
' F# {+ T2 i5 L( R，
经过背景 虚化
# i* s7 O! M! b+ q3 D$ ?6 |2 f、
缺失部分 补
3 K3 e& I& s( t# ?7 F$ Q! A' d; f全
等步 骤
，
. B5 \# c: {& h基于 生成对抗网 络进行标准人 像 的合成
) v' d  |" [- s1 ~，
合 成后 的 图像具有 特征点对
5 N: k3 v- l6 k# ^. b! l8 E. W齐
3 W7 f2 @3 y+ s/ g6 s: d. j) y  M后 的 人脸位置
，
且脸部 及肩 部
、
上半身 等部 分都具有 统
: ]5 z$ f; D/ M' {一
的 分 割与合成 效果
& l* b( v' h- v5 x。
该
' `9 _  x1 H2 |. ~% f' W' B, z方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
7 Y9 w* v0 C+ W5 s. B# M# u4 B$ R7 i，
可以 实 现人脸 图 像 的标准
- w, {6 f0 G5 E$ ~/ h  y2 K# Q化
，
. Y3 o& A, d/ G  K1 x* M同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
。
该 算法可以 作为人脸
识
# l" |7 `; i$ ~别 后 的 处 理步骤
，
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
+ ^! W8 N/ q7 P$ ^3 n' r后 的人脸特征 区 域
，
- G0 ]! E1 j" o% \$ O( `同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
，
有效改 善
* Z! J' W$ P( G现
0 f: L6 q; Q8 s2 o5 x有 人脸识 别 与分割 算法的 效 果
! Q7 N2 b) S9 x# ~4 E" p7 y! y。
* j6 o! C$ Q2 t% r7 A' S0 P