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

7 q0 D) A- V) O6 u7 ]. W

在人像合成中 的研究与应用

& ^9 |0 Q+ H& `$ I0 G5 C

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
& C1 A  h) o( Y8 q$ j, _, h! h% a- }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
. b+ K) k9 i! p" n+ ?。
" Q* M; ^. I' e) l随着 基于
% F( y! ~/ y7 U- R( {卷 积神 经网 络的深度 学 习 方法的 出 现
，
5 k5 U. x. i, w3 ?9 W, U．
传 统 的基于 数学 模型 的机器学 习 算 法在
8 R- X4 `" p7 a: X, a! T* {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
，
8 F, |5 r8 H) p3 J$ m, u尤 其是 ２ ０ １ ６
" U( E1 {1 l/ }6 h8 Z8 V年 以来
，
/ F7 T+ Z4 O6 }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
，
, t" q. j2 J& Z还实现了 基于 先验知识 的 图 像合成
，
4 [$ e7 |$ n4 C! e但 图像合成过程中 仍存在算法
结
果不 容 易 收 敛
- G: T- x- M1 u4 g，
- e# Q' O$ S4 A$ T: U6 b1 X计算量大
! X* w# J  _) f( r/ J，
7 m; G$ g& G5 g优化速度慢
，
图 像劣化 等 问 题
。
针对人脸 合成 图 像
) R7 ?  g! y4 Z# q4 ]% I，
: ~5 I% q5 c1 c( K8 ~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
3 Z2 T5 j- c8 u7 v' \7 O- e，
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
，
% z7 I- E2 w, Z, F6 ~- f仍需进
/ z( ?0 C& H/ M1 o, I2 U$ y一
步 研 究和解决
。
/ q. n* R/ F/ Y# q3 ^3 J) e# n$ A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  o0 l( B8 h! P将合 成过程分
+ p5 r% b+ f3 m; l; u1 `0 R: K成
1 g% c' k) P% V, y了
7 U/ s+ t1 r" P& l３
6 c2 M! w- {" x& [; h* k) ^# M6 \2 T+ S个 阶段
，
首先 是 图 像中 目 标主体 的分割
* g8 f8 ~% E* c( R，
其次是 人脸图 像的合成
: K( V6 j' K' e9 a，
# W1 }, Y( ?, G( i" L最后 是 图
像的 超分辨和 画质 增强
: g, A/ n& |+ }/ a- I+ ^7 v; f，
实现 了 人 脸 图像生成算法的 识 别
! l3 v3 G6 I/ Z7 ]7 I，
. q; A  N/ S$ F" u+ O分离
，
合成和 画 质 改
2 g- f0 ]3 L. m# H  @6 k善 的 全过程
  R/ y! P: m% D  I) y" G1 s。
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
0 x! H, B4 a- r& l! H9 u8 K5 S，
本文 主要解决
了
* A# K8 [8 {: c; E- }7 E6 G2 a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
$ X  O! y6 Y! C. n  o8 }; r- A% Z. g，
7 I5 R- V  |3 R1 a  N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
，
设计 了
! b6 {. L* {- J0 ~: A8 x一
种快速图 像分割
, o) u# h- |& H# _1 [3 m. X4 A算法
; F& Q: ]6 o4 N* k. K2 Z，
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
* T+ }' V5 p; x: K1 ^，
- }" j% X5 i* ^. V5 p同 时 由 分割 区 域得 到相 应 的 目 标轮廓
。
! z9 v/ G( Z) x2 B  F* w该算 法不同 于传统方法的 先 由 轮廓得
. p% B( j* b4 [1 }到
连续的 边界
，
$ \; V# g' x# z6 B1 N再得 到分割 区 域的 做 法
5 e# s% W7 {* t7 q  i. f, z，
而 是 直接基于 颜色 统计信 息和像素分 布
" U9 X5 ]0 |4 ^# n+ @3 Z$ C2 {: {的
- c) M, q, o; d8 u. J形态学特征进行 目 标 区域 的划 分
，
; L* G' O9 E+ j3 z/ r" }5 {减少 了 边缘分 析的计算时 间
，
且对 目 标 区 域
进
行分 割 的同 时 即 可得到相 应 的 区域边界
0 z# ^. z0 x. U! h+ k( h. c+ p7 H，
具备很 好的鲁棒性
。
２ 、
8 R) X. E9 O4 w9 ]; e" O; X从包含 人脸的 任意 图 像中 截取脸部区 域
，
: ^3 y' K3 p9 S! ]; ~) x经过背景 虚化
、
8 v& `* G! F& M6 Y, r9 a) Q( J缺失部分 补
全
* |. w, _. k' H+ v" R/ Y等步 骤
7 j9 y; Q3 s0 _- b) y/ r，
! I  C0 h2 _0 P1 o3 e基于 生成对抗网 络进行标准人 像 的合成
，
- o7 @4 a$ h5 W1 X合 成后 的 图像具有 特征点对
8 D2 y2 H9 A) K: a$ H齐
后 的 人脸位置
: M8 Y4 m% Y( o! {7 a，
" r  a# G: p. x  h/ A! d7 L' L且脸部 及肩 部
; d9 F" i" g. `' i2 G( p8 Q、
上半身 等部 分都具有 统
: j' b. p1 [6 W$ C5 {一
  W+ Z$ g! l& y) M, _8 a% s的 分 割与合成 效果
1 a4 S" C& d( U" U. w% w。
) P: G. F3 @4 x3 g! v+ c该
( A! s( q: t4 }  M6 j- G( F方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
$ N4 f0 W% ?$ [6 Y可以 实 现人脸 图 像 的标准
' ~2 r2 V: Q' _6 _, L) T6 ]. N' b化
: \( [* N4 g" p  p4 w，
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
% g$ l* W! |: @) ~识
别 后 的 处 理步骤
，
处理后 的 人脸图 像 相 比 原 图 像具 有更
* |+ R+ C* B3 E) U& F' y/ \一
致的 图 像模式和对 齐
% o( }9 ?7 L/ _2 S( {& r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
，
有效改 善
现
有 人脸识 别 与分割 算法的 效 果
1 w- I) N; _; z% g! b5 ^。
. U1 D/ t- i1 F$ b  R

2 E8 {# D' g- [% f. [( R2 a: }: V