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& \$ k$ }' O& y2 {1 f* T& z

在人像合成中 的研究与应用

7 h  ^( R2 l% E' T
' i$ x/ X  p$ u% x  U# v9 \
( }+ Y- G6 P' F. v! I随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
0 O1 V6 k9 b4 Z, s. [，
! H/ i6 g. y* C3 Q4 C尤 其是 基 于通用 图
: W+ v+ Z+ Q" R5 E7 E形
7 g6 y. |, x4 f4 o: ^& Z% p+ Z/ q处理器 的并行计算技 术的快速发展
，
( P/ z5 }4 Y4 P4 D  I! {2 U  I8 Z" h机器学习 领域获得 了 快速的进 步
; L. N: _' s  N。
随着 基于
( t' ^  x8 L( Q* H! Q卷 积神 经网 络的深度 学 习 方法的 出 现
. T& t6 a2 e- u: U7 w，
．
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
! r  v2 p# w4 y. S( v，
# P  }7 Q) d' [! A尤 其是 ２ ０ １ ６
+ j$ `6 Q& m: N' J+ b年 以来
% M/ c  g! p% J5 e2 {，
1 w9 B/ a! e- Q& E/ ~基于 生成对 抗网 络的 图像处理方法
9 z3 ^* P! `  S3 R，
在传 统 的 图像识别
，
图像增强 和 图像分 割等
4 d4 X& o, b0 @7 V+ D, Z, J( `领域之外
, P9 ?! P5 r9 ]! e8 B9 m，
& L+ ]- D6 V, i, ?还实现了 基于 先验知识 的 图 像合成
0 k+ C7 Y. p& n8 Y9 c! Q，
) V/ U- }$ t4 h8 S) A! F2 s但 图像合成过程中 仍存在算法
; b6 ~( E9 O9 g* C# p结
( u  d, }9 l' Y+ X' Q" N果不 容 易 收 敛
2 A" d. Q9 d! q" v3 g6 L，
计算量大
，
优化速度慢
，
图 像劣化 等 问 题
。
7 M9 o  r; W; s/ f1 ]0 q8 t$ ?针对人脸 合成 图 像
，
" c. b- P5 O! i5 m* S! F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
1 g* U: m+ D& [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
" q3 x. _" _, k/ y- m9 T一
' K8 V* x' U% A致性等方面
$ W  g: h8 R7 ?) U，
仍需进
一
步 研 究和解决
。
8 h7 C8 Y1 N) F0 V6 \! i$ y本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
8 b, P# {% S$ Y% n" S% O，
) K/ O4 q+ v8 }- k4 Y将合 成过程分
/ b5 ^; V$ V* b! ?# ^; Q成
了
% D: j3 D7 V4 F, h( J5 i３
个 阶段
+ ]! f/ i( ?9 S, \# d8 c4 H* Z3 n，
* [# Z  C+ j' H& W5 X! x首先 是 图 像中 目 标主体 的分割
，
3 |% q" H7 M7 B% ]# `% U1 w7 o2 ?其次是 人脸图 像的合成
- O) \5 V6 L5 I/ Y. O，
$ ?9 ^, w! T) c( {0 w) ?" P最后 是 图
/ q0 W. V4 F; A8 J像的 超分辨和 画质 增强
( z: y% Z, g' F( U! H，
实现 了 人 脸 图像生成算法的 识 别
，
分离
，
. m* p% r7 m# `  K4 o8 _8 c0 E合成和 画 质 改
善 的 全过程
。
. v6 V* o+ ^2 k) V针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
，
本文 主要解决
* v* W% J4 U4 Q( i* b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
" ~3 z6 _4 |1 r4 M，
主要
工
' U$ f9 ^# Z1 S% P. y作 内 容和 创新点 包括
! C" v% x. z3 Q0 j/ z' A：
& ~* s  v. _) [１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
，
4 Z4 k3 p6 M, \7 o设计 了
一
种快速图 像分割
算法
，
' x6 Q2 \5 |# D- ?5 ?6 B1 p, J/ \该 算 法通过逐层 二分法
一
# z2 J  z! x  x* }! [次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
2 j$ A9 l6 }: i，
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
( h2 T/ {! T, P" q，
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
，
- u) s9 c* F, }* m减少 了 边缘分 析的计算时 间
，
3 d  s+ p; z/ B6 A8 _且对 目 标 区 域
7 i4 x7 M2 f  @2 A5 ~. N进
行分 割 的同 时 即 可得到相 应 的 区域边界
* S9 |) x9 C2 r1 {+ |* e. [，
具备很 好的鲁棒性
3 m5 ]3 m- X1 j+ ]。
9 E3 ~5 v" d+ s% a( ]$ B0 i２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
/ r. g* d7 q8 T$ V7 b; n: r，
经过背景 虚化
、
缺失部分 补
全
( ]- ^' n9 v3 e' [: \等步 骤
，
基于 生成对抗网 络进行标准人 像 的合成
; a6 Q5 l0 R9 q- ~+ a; ]，
合 成后 的 图像具有 特征点对
齐
后 的 人脸位置
，
且脸部 及肩 部
5 \2 t- J3 k7 p、
  v/ R7 O9 V( K% E7 y% G  Q上半身 等部 分都具有 统
4 N. b- ?. |7 m2 N一
. U8 v. `& E0 f0 [* _的 分 割与合成 效果
。
- W7 o6 ?7 r4 o* E该
方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
9 Y6 D, Y) w9 I% A  t% c8 B  O，
' t4 ?+ @) r9 T2 S" `可以 实 现人脸 图 像 的标准
化
，
% n" ]2 k* X+ Y8 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
别 后 的 处 理步骤
，
处理后 的 人脸图 像 相 比 原 图 像具 有更
一
) F# L, s" h4 K9 I2 T" @; t致的 图 像模式和对 齐
' G2 K! R/ B) u, o  ^* R1 S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
2 i  |, u: A' e" ~: U，
有效改 善
现
+ M7 J5 O& ]9 I有 人脸识 别 与分割 算法的 效 果
* r! b' {& X: A& U! x. b' {: K7 O。
1 c4 _2 H+ D# u" ^