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

; N4 O9 _: M! O7 K" R

在人像合成中 的研究与应用

1 m% A2 ^) R( M& h
  p& h% e1 |  z随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
，
$ `; m" l2 E- }8 c9 w5 Y/ J尤 其是 基 于通用 图
形
处理器 的并行计算技 术的快速发展
，
机器学习 领域获得 了 快速的进 步
。
随着 基于
( j, ]) p; q6 h: Q6 n卷 积神 经网 络的深度 学 习 方法的 出 现
，
+ [' K' \& @7 P3 h# r6 t" e5 m．
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
, t7 h: S7 A0 c5 C$ h4 R- S，
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
. J7 F) q. ~* t( A- m/ }，
3 e# b& t5 P) j  V* r" r) M在传 统 的 图像识别
，
& ~' q6 l. q. t) o% m3 G图像增强 和 图像分 割等
9 G- k* v. S9 B# H领域之外
，
还实现了 基于 先验知识 的 图 像合成
! J" N7 M' y1 s，
但 图像合成过程中 仍存在算法
9 n. u" B' v, `结
3 O# Z/ m3 n- \. S果不 容 易 收 敛
，
计算量大
，
, n/ n; K0 V( q" R" F优化速度慢
，
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
，
9 S: N5 \! d+ L2 S1 ^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
' O7 @0 Y4 h/ T/ S! E3 l8 A一
致性等方面
，
) ~# e* W5 z& c; H: v仍需进
4 A2 m4 [8 t2 X: t& ?- D6 k! @一
步 研 究和解决
  h/ E6 Z8 Y, H1 w4 ?. ?: Z. g- g$ R。
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
( b5 |& k0 l2 y3 F, e" H了
. ~0 @3 h' ]1 p３
个 阶段
，
首先 是 图 像中 目 标主体 的分割
，
其次是 人脸图 像的合成
，
) h% }$ [4 ]7 e1 {# Q: Q/ C最后 是 图
像的 超分辨和 画质 增强
" N' r. b$ ]: r/ r，
& P" M  g9 ^0 j3 G7 V5 C. k实现 了 人 脸 图像生成算法的 识 别
2 S+ ^% u9 m& e  S0 Z3 Z! P6 \，
1 \- @; M6 I7 A分离
，
: s& E& ^( u! m! B2 {合成和 画 质 改
善 的 全过程
1 J6 N* N" Q3 s1 @6 r9 D' F。
' f2 t' P! I( e2 Q针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
，
; V3 S, ^0 L3 f5 L本文 主要解决
7 ?, {: F/ t  R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
，
$ Z: F, @) h( ^$ |- ~主要
工
作 内 容和 创新点 包括
8 L, Y, D2 t, \  u：
１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
，
设计 了
3 p: R# q8 I! |# ^- x4 E; S8 o一
种快速图 像分割
算法
8 G8 j- P  l) b! Y，
( J+ c, t+ u, i  e该 算 法通过逐层 二分法
一
- u5 A7 q. B: A( s) [) u  J次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
，
9 d5 G- ^$ H) |: Y9 D( Y同 时 由 分割 区 域得 到相 应 的 目 标轮廓
! J- c) H0 F- \8 J。
该算 法不同 于传统方法的 先 由 轮廓得
( J' c2 b7 g6 R0 V. J' Z0 T到
连续的 边界
* Z* C: w% I" v，
再得 到分割 区 域的 做 法
( m! w2 [* v; L4 I# Q0 m$ i' x，
- }* g/ [! R% t而 是 直接基于 颜色 统计信 息和像素分 布
的
( P# @7 D2 f' a% ?形态学特征进行 目 标 区域 的划 分
，
减少 了 边缘分 析的计算时 间
5 ^: n% e, E9 R2 }4 e1 Q# I7 C，
7 i2 Y' @" T! n) x且对 目 标 区 域
进
+ `  b3 H. K, `7 B6 u" D) E# f行分 割 的同 时 即 可得到相 应 的 区域边界
: M" R& [: k% Y+ Q6 A2 `+ d7 |: p，
% o5 T* u* v" }, e: w  A具备很 好的鲁棒性
。
0 U; W/ [8 W2 D) J% K# i２ 、
) j8 H& V( f% C, V( U4 r! {! V从包含 人脸的 任意 图 像中 截取脸部区 域
，
经过背景 虚化
6 H% H) ^6 ~5 P( ^3 m、
, @- c0 S  }3 @( j+ [: b4 e# D3 D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
，
合 成后 的 图像具有 特征点对
齐
后 的 人脸位置
, r" s2 O# L1 J& {. |8 t8 w，
# x: l; a8 T2 o! h4 w  n且脸部 及肩 部
7 T/ s: n+ Z( F7 w$ P、
8 W: x3 v3 M. |/ ~  C# {5 ?上半身 等部 分都具有 统
1 e& `9 l7 W/ F3 `; D0 a一
的 分 割与合成 效果
。
该
0 z1 G2 P- r6 {3 k7 @7 b( }方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
可以 实 现人脸 图 像 的标准
化
，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
9 b9 N/ O9 h+ a。
该 算法可以 作为人脸
识
别 后 的 处 理步骤
3 X# _( n3 ~% i7 m. L# f! f5 A，
2 Z, W1 u" D+ k$ y5 k; U5 c  C处理后 的 人脸图 像 相 比 原 图 像具 有更
1 @' a6 U3 x) a+ @% u" @1 G一
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
# W+ {. D( s: B4 u& X' b2 Z，
" n9 ?+ G: F: G2 z0 ~, x& F' r, J有效改 善
现
& p  k7 }2 z3 S有 人脸识 别 与分割 算法的 效 果
。
; Y. V8 N5 X7 }7 y* E" b8 T
1 l* C# n1 L: d6 M: |: `# q$ `8 c