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

! s9 v+ B* w5 j7 a* \0 v" U

在人像合成中 的研究与应用

* G; s8 t9 Y' z2 _% W4 ?  V" i
9 u7 R! _' G1 R" m# D, m" p
$ @. k4 x6 f/ G8 B随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
，
尤 其是 基 于通用 图
形
* Z4 d$ o" N7 N; V1 n处理器 的并行计算技 术的快速发展
2 i7 I1 S+ ?6 |$ P  i，
% [1 ^" E3 A4 \9 \( c3 |机器学习 领域获得 了 快速的进 步
。
随着 基于
卷 积神 经网 络的深度 学 习 方法的 出 现
) _, C, v+ f& I( W，
．
传 统 的基于 数学 模型 的机器学 习 算 法在
7 Y5 L( l1 r& 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
，
尤 其是 ２ ０ １ ６
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
，
图像增强 和 图像分 割等
领域之外
，
+ J  j* D9 N  {9 h; S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
果不 容 易 收 敛
1 J! o7 l# K* m! @. ^，
1 h& N  J* F' d! S* `) V; b计算量大
，
优化速度慢
* b8 l* s& |  H' D( g，
% m& [! E/ G0 s: E$ }图 像劣化 等 问 题
。
2 a2 `! i- z# y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
4 w  ^: A( K/ H) K  X8 ?1 E' j节还 原度
，
* T! V* D6 n. L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
致性等方面
，
仍需进
% j7 _9 R) O7 _# N4 w6 c一
8 r+ u2 d6 H0 N9 b! _- T步 研 究和解决
: b& g( \  W4 k。
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
2 g4 w3 ~  O$ ?1 K6 m了
３
个 阶段
6 E& r$ t9 N. V$ A，
" z0 a# n. @. R, [* X, E首先 是 图 像中 目 标主体 的分割
，
) i- R3 u  R" |) `$ [其次是 人脸图 像的合成
，
/ e- t& i/ E2 o+ e最后 是 图
像的 超分辨和 画质 增强
，
* m1 Y4 N: _- v4 L实现 了 人 脸 图像生成算法的 识 别
' S1 s- u3 f. K" Q  e0 R4 k，
: E- B9 @6 T  Q' _分离
' J$ Y/ B  j& V8 g; }0 a% a5 i，
合成和 画 质 改
" D3 P9 h4 B0 _9 t) p0 E- j善 的 全过程
9 A8 E, R$ C( o$ L. P。
) Y. j4 V7 D, P; a; n; k针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
  B; R8 L# ]" Q' J  D5 D7 m，
2 s( @- `" l- x0 T+ g1 E1 k  T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
- U9 _& f& C( J5 o，
9 `- Z% V+ \# \9 ?" E6 X, o% Z$ Y' }主要
- U4 Q) r# d; I: _# e工
6 [8 B1 _" a, S1 x) _: w0 A6 W作 内 容和 创新点 包括
：
１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
，
/ P1 A" D+ g+ ~设计 了
" U& }( _& D+ h# @一
种快速图 像分割
& |  H! t3 C# L1 u4 d算法
7 J' ]* V; y* ^) e6 m' w  x( C，
该 算 法通过逐层 二分法
一
, i6 h) R* m& }" g( f次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
，
同 时 由 分割 区 域得 到相 应 的 目 标轮廓
) g2 _  ]7 i5 q  v0 |。
  q( }* g1 T4 _% E% F) V( ~( d8 m该算 法不同 于传统方法的 先 由 轮廓得
到
连续的 边界
，
2 V# b0 R! h# a' u; ~7 V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
  l5 r8 j( S+ R7 r2 A$ Q的
" V$ l2 e/ f; R, Z* g形态学特征进行 目 标 区域 的划 分
+ ^8 k: o- r4 g% a$ r9 f，
( w) z* j  F. v9 T减少 了 边缘分 析的计算时 间
/ x% ?9 E* @6 b0 Z& E，
且对 目 标 区 域
7 D# J! Z. v+ x进
0 L1 e8 Z4 I* A) _& y' ?8 T1 K8 l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
。
( a, l5 {# B( `* {/ k) k２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
/ U! `' x% a) {$ j9 T$ J# K，
经过背景 虚化
、
% ^; L" @8 w1 e$ r0 I7 ?" b缺失部分 补
全
等步 骤
，
基于 生成对抗网 络进行标准人 像 的合成
，
7 J( R/ E1 ^9 O- B! [, T5 g合 成后 的 图像具有 特征点对
齐
7 E9 t8 l% s+ l0 ?3 j; K后 的 人脸位置
，
且脸部 及肩 部
$ x) [# m4 b2 w' \+ X+ r、
上半身 等部 分都具有 统
一
/ \: d! c5 p' z; |" Z6 d: \6 X$ D7 ^# z的 分 割与合成 效果
。
3 J" C; O$ d( H4 U6 z% v该
: V: H* v/ X+ d, d7 ]1 I0 b4 _. }方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
  [- u# X( G5 Q/ \，
可以 实 现人脸 图 像 的标准
7 ^! c) d/ s2 u/ v+ \  m化
，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
。
7 B' f8 q9 Y: Z% j& g& H6 H该 算法可以 作为人脸
1 k, l2 m5 ]* R- `识
别 后 的 处 理步骤
; y2 h& i* y' F/ e: W" ?，
处理后 的 人脸图 像 相 比 原 图 像具 有更
一
4 n/ v, F0 @9 @+ ^. r% U0 r致的 图 像模式和对 齐
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
，
0 }, ], g% L# u) C有效改 善
# C/ U) w" h7 O- J现
2 z3 Z% P% O# T( u有 人脸识 别 与分割 算法的 效 果
。

* R, w% R: S1 \7 `