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

1 Z6 x7 ~; Q. ]9 X" [6 K
" ^* |: v! y  x, `; b. h! D  U. h
9 F0 `: h% P& v7 |随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
* A6 j) N1 u% z, ?! e，
尤 其是 基 于通用 图
形
8 @5 c0 I5 C- T0 B# A处理器 的并行计算技 术的快速发展
，
; I8 j8 {. s* f& a) ?- Y3 h机器学习 领域获得 了 快速的进 步
  Z8 j: t- j# I) R。
' j% x0 q; [/ r8 ]: F" N2 s随着 基于
# ]1 N- P6 h4 Y- `3 w/ l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
6 D/ q0 @. v) B1 n3 m/ ^: q，
尤 其是 ２ ０ １ ６
年 以来
，
7 d9 Z9 O' ~/ Q* _- P: `& k2 h, V! i基于 生成对 抗网 络的 图像处理方法
' s: ], B9 e" ]1 y，
) G0 \4 W" K1 q在传 统 的 图像识别
- y! ]* z. q4 e. k4 F; i5 w( c，
7 I% R/ i- H2 I& k1 W) V( G图像增强 和 图像分 割等
领域之外
$ x' a6 j7 D, e7 y" M! v* b  M，
还实现了 基于 先验知识 的 图 像合成
: W3 P  A: D- s，
但 图像合成过程中 仍存在算法
! ^( d3 n" F: h+ Q结
果不 容 易 收 敛
，
) l7 A  n# f) F7 Q计算量大
9 o3 x$ M) j2 o( R% P+ c，
3 ~) _& Q6 v/ J8 x& @8 v- H  C4 t9 k优化速度慢
，
  j6 ~! ], G! u0 E* V2 d9 t+ U" Z图 像劣化 等 问 题
. D6 |5 ?/ z1 J。
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
+ h# _1 [; P" K节还 原度
5 O( }. u6 F- p& j# x; }6 R，
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
% y+ T  W2 e% b% m" y一
致性等方面
& Z6 M, z$ l" d8 f. p9 a" v，
仍需进
一
步 研 究和解决
  {7 {; Z. o7 N9 q。
# U. u) Y+ p' T8 |/ P9 ]本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
( x  t& e3 U! n. b, R1 ]，
( U: G. A* r& z, O% K# k将合 成过程分
成
了
３
  m. Y0 D3 ]- G3 O% z9 h0 Q2 F9 E个 阶段
，
首先 是 图 像中 目 标主体 的分割
- Q* {, @+ ~# i8 t，
其次是 人脸图 像的合成
8 P7 n- I/ C6 R! S5 d9 `，
' @; v/ C; A3 i* |; J( Y( j7 i8 G/ ]: W最后 是 图
6 N  w5 p; }$ ]& A7 b像的 超分辨和 画质 增强
" j9 B$ F! {2 H% r，
实现 了 人 脸 图像生成算法的 识 别
: J8 c# T3 W/ r! \7 D4 e，
分离
8 U, E( F: j" u' b，
合成和 画 质 改
善 的 全过程
9 A2 I/ Z3 V( v% s7 E2 i  S( m。
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
+ I4 o( u2 V! N- z2 @. }: m，
本文 主要解决
了
8 u; ^5 w8 Q' L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
% j4 U6 `+ k: }  R工
! c/ J' C' }* m7 R+ g% p作 内 容和 创新点 包括
：
１ 、
- y/ W: y9 f- ?' [% H  T/ j" P基于颜色统计信 息的 高斯混合模 型分类算法
9 h/ k. I2 L* ^- F8 L2 r" z- _，
设计 了
一
种快速图 像分割
算法
，
该 算 法通过逐层 二分法
一
次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
" Q5 R: O! J  ^5 }% [2 _，
' B0 I, y' Z; @1 q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
，
再得 到分割 区 域的 做 法
- B) R. J( R3 ?: D5 k  Z6 u，
9 ^  v0 o- h9 ]+ u0 a而 是 直接基于 颜色 统计信 息和像素分 布
的
形态学特征进行 目 标 区域 的划 分
，
: g; ~& I4 ^* a1 W- m: ~减少 了 边缘分 析的计算时 间
，
1 j/ M" M# Z  r  r, D: G6 a. P/ k且对 目 标 区 域
进
6 F* S  X+ Z: n2 K" L行分 割 的同 时 即 可得到相 应 的 区域边界
  @- V% f3 Z5 v& a. M7 z，
0 y- b" R+ A( ~# Y% g' T/ T具备很 好的鲁棒性
' {# B; j$ U. j, I8 A# N, }。
: e3 I+ z) t- Z+ f２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
，
( F1 l: A3 R" U$ m2 G经过背景 虚化
* s9 e7 A5 \9 m$ y$ w、
缺失部分 补
8 I( [( x3 K) U$ d全
( `/ w. `0 i' Y等步 骤
- T1 ?8 E1 r( U+ O，
* v1 v8 S- h+ @9 U基于 生成对抗网 络进行标准人 像 的合成
，
: H/ e# @# P; G/ X# o  l/ R合 成后 的 图像具有 特征点对
+ M2 R% z0 m, u, ~) Q$ g- u- N齐
后 的 人脸位置
' s& W6 a8 }  D; h2 ^) _，
且脸部 及肩 部
、
( N8 F% {: U6 z7 a上半身 等部 分都具有 统
一
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
5 u6 I4 \+ P& P, A) f，
可以 实 现人脸 图 像 的标准
0 m# m' V7 S. b7 p! s化
( m; j+ [# x& ~  K: u2 {，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
* W, q; R% t' o。
5 w+ [0 m8 p( J) d该 算法可以 作为人脸
识
+ X0 m) q0 j7 o# A' n+ o别 后 的 处 理步骤
，
0 z; \) y8 N; I: N% b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
+ j/ c8 m! [5 v. ]% O5 K后 的人脸特征 区 域
，
8 ]. x: i8 w& O6 j8 P同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
3 G4 \5 A7 B8 V, I/ g，
有效改 善
现
/ N2 ?: c! u! S! A有 人脸识 别 与分割 算法的 效 果
。
8 A& a' _) x) T) h
7 ^( W* Y6 t  H$ [