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

6 b. g3 d: a/ `3 t/ j
4 c" S1 P' j7 [0 Q
7 |  |# x+ l" w+ x随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
; G4 m0 B3 t8 _% _2 G，
8 J8 H! U! T' O. k尤 其是 基 于通用 图
形
2 D) w9 [& V" c- x. a- l处理器 的并行计算技 术的快速发展
4 Z1 b3 n+ t+ Y' ~5 v. D! F& B，
机器学习 领域获得 了 快速的进 步
( k  F) i0 i8 F! `7 D) }2 E。
  x# ?9 u8 _$ i1 ]随着 基于
2 l. p3 B& @, i9 n0 C/ q  I5 ]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
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
% P# k) F  w5 g; \* j8 G，
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
# @: z! ?3 L: k. T. t，
在传 统 的 图像识别
! |0 j3 v: k  ~( K' m8 w* k，
: F5 z( J3 R, K图像增强 和 图像分 割等
领域之外
，
% V; e6 g7 p7 l# c# i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
& ~* {/ c( w# I' r7 _& Y结
2 y. n0 `! q  q/ Y: `果不 容 易 收 敛
，
; }# k: F0 X% Y$ I3 e% C8 c! k计算量大
# w8 U, x4 ]6 N- e+ B9 C$ Y1 i$ h，
4 m+ S3 O$ [' q$ m- \+ c优化速度慢
，
图 像劣化 等 问 题
  z  x6 K% P& P; F# ~% `。
2 }0 L+ [$ Z- W1 R  b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
- B! w; e4 @* o* G* z一
9 I- }6 @, ?! U致性等方面
+ p- O* i* z6 @, K( s，
仍需进
$ p$ r, a; ]2 E/ F8 I  r一
步 研 究和解决
。
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
了
３
个 阶段
! {( H- J) @6 F: q4 X，
7 A% y1 y8 u8 u- l9 T: J8 p首先 是 图 像中 目 标主体 的分割
，
4 A: k# e' G: X2 r) J其次是 人脸图 像的合成
9 k: Z, s' I* {+ T# G7 o1 Y，
最后 是 图
像的 超分辨和 画质 增强
4 v: V6 i! e0 e7 }: f; j，
实现 了 人 脸 图像生成算法的 识 别
8 q! G6 x3 {: p0 K5 g，
分离
，
: m, m( T1 |+ [( z$ q5 f. d# U合成和 画 质 改
善 的 全过程
。
& N1 y* P7 J7 E. [! |0 D针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
( A& I5 s. G* h& c4 r，
( C$ z) b$ h. L本文 主要解决
了
4 U/ l* j0 J3 [+ C6 j1 m" i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
：
１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
; Q. y0 T4 o# M# u; T9 q0 A，
设计 了
, w+ {6 D$ ]$ ~2 x一
种快速图 像分割
5 F- L* X( M& T8 p算法
# X2 c% P1 S, j0 T0 R，
该 算 法通过逐层 二分法
一
- f4 @8 z( i7 a3 O# b# Z' n次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
. b# {0 l) T" n2 g4 ~7 o/ C，
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
! [$ N5 o& }6 S  h，
4 f8 `6 m4 ]/ l再得 到分割 区 域的 做 法
' w4 S" L! u( _" A* z8 t，
而 是 直接基于 颜色 统计信 息和像素分 布
& N# o( ?" \1 d( d$ A, X+ H4 ?9 J的
* w  C+ F6 {/ z- u  X/ l. M9 J形态学特征进行 目 标 区域 的划 分
5 K: N2 c3 p7 j' _: W! V，
; ]# z7 ~4 n  @1 Z4 z& q3 {减少 了 边缘分 析的计算时 间
: _7 S# D/ p9 ~0 \$ K，
且对 目 标 区 域
, V% a- e6 F1 r! I5 l% O进
行分 割 的同 时 即 可得到相 应 的 区域边界
/ w9 ]  s* t7 p0 I1 K，
具备很 好的鲁棒性
' h5 e3 Y& C9 U; Q! I' @。
２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
/ E% y% M5 O0 Z, ~6 u，
经过背景 虚化
( M% B' [5 a& ?: a、
0 a7 [. E- u4 b$ |缺失部分 补
全
5 c$ [# k4 G3 M3 _: C# i& w' q等步 骤
5 n* S- f5 f$ o5 E，
; ?( V0 c- A& U1 s  f2 B基于 生成对抗网 络进行标准人 像 的合成
9 k' w( u) @0 @$ E) C1 y& V，
- Q3 j' f6 o( k2 R& t$ E' Y9 {6 N合 成后 的 图像具有 特征点对
. C9 f# d" c3 Q2 q齐
/ I) O9 w. }; c* G3 H后 的 人脸位置
，
8 f0 [* p; X; p% @) d6 U& x! S/ w: B且脸部 及肩 部
: D/ Y' c, N# V3 K) f: \. U- c8 S、
6 c4 A% {7 W- y0 k上半身 等部 分都具有 统
4 A) `: }- Z; y8 G. J/ `% a一
& Y% X" y+ x& U- P的 分 割与合成 效果
。
该
方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
1 X9 X% P5 u8 @( [，
: n3 j/ n  L# G3 u$ Y可以 实 现人脸 图 像 的标准
化
; D" h1 z, h! D9 x，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
。
0 b/ M  T' q9 c6 L- e% D& Y9 T1 S该 算法可以 作为人脸
- o4 i+ v8 x8 N识
别 后 的 处 理步骤
  c5 C$ B! [% }0 Y，
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
' X9 S. s$ C1 G( c! E, P- _后 的人脸特征 区 域
5 s* F2 |7 e9 B$ j* P，
同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
" m- V1 O; o. {  {3 E" e( i，
6 k( P7 J2 G9 ~& [有效改 善
3 E9 _" K) i0 q, \% w3 R7 T现
0 Q) t. M0 O' I: t2 j1 L! T% O1 F有 人脸识 别 与分割 算法的 效 果
0 p. m8 H3 T) Q  t# H8 T) D。


1 P+ o% K/ G7 b# l$ {1 Q& G% j* t