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

/ `; P: X$ E9 {) W. Q

在人像合成中 的研究与应用

' N' P, E" x. x9 ?4 e: ~5 [
5 [5 s, c. u% |' U
+ j9 j' h$ f, j' m0 J随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
7 s2 ?1 I/ S# g6 b，
尤 其是 基 于通用 图
形
处理器 的并行计算技 术的快速发展
4 ^5 [5 O0 _$ _* T，
机器学习 领域获得 了 快速的进 步
。
随着 基于
5 V3 a$ ^2 Z, z3 F卷 积神 经网 络的深度 学 习 方法的 出 现
7 @3 o+ a1 U$ \, f* y，
' x& L* d  `7 `0 a．
; T5 A5 }3 c4 W" g- i: I传 统 的基于 数学 模型 的机器学 习 算 法在
4 `1 Q- x- L/ E: k4 _  ^  u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
，
尤 其是 ２ ０ １ ６
. B; K9 {7 ]' {) o' d年 以来
，
9 {1 t+ x; V  E7 y" H基于 生成对 抗网 络的 图像处理方法
，
% A6 G3 z- {8 N7 P5 \: k在传 统 的 图像识别
，
图像增强 和 图像分 割等
" y- N0 C+ n% ?/ a$ x领域之外
* q5 {1 p! S1 i( e，
9 B) c/ C4 ?: `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
8 t- \) Y0 x/ t' F8 K结
果不 容 易 收 敛
，
/ y0 Z: `, B- X+ t: y4 l计算量大
, [  p4 Z( x7 j，
优化速度慢
，
图 像劣化 等 问 题
。
针对人脸 合成 图 像
% q+ B8 l5 t! d1 H9 q1 G，
5 b. j0 z0 }% i7 W) R$ C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
! Z8 {: z) {# K" J9 e( Z节还 原度
，
% t5 G6 A7 Z5 I% T. V) d5 b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
$ ]$ c, Q, ], P0 w& F$ n致性等方面
7 _  H1 G  \' c9 ~1 T4 r，
" ?) I  i" A# y仍需进
一
0 ~9 c7 o* B# y( _步 研 究和解决
. A; g/ Z  {, J; B; t7 O! r) f+ z。
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
) G+ D4 B: d9 A1 N成
了
# V/ e5 S) B! Z8 b３
个 阶段
$ v( s9 x" p- }7 r, T) Z，
9 u! }1 G5 [* V0 p- d' w- T9 k; c9 y! o首先 是 图 像中 目 标主体 的分割
，
其次是 人脸图 像的合成
，
最后 是 图
' [) I% d7 f6 A/ ^$ o4 S像的 超分辨和 画质 增强
7 R* [4 R+ g" U. b* Y，
% \' R$ y3 V4 P: b/ L实现 了 人 脸 图像生成算法的 识 别
9 |4 Q8 U4 h; L; [4 e8 ]5 w% o，
分离
( ]/ I, _5 Y! H/ Q+ {，
合成和 画 质 改
善 的 全过程
- z; J. y$ h) ~/ F1 b) V。
2 d2 t2 w& Z. u% u针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
' E1 ?" [$ Z: t/ u" O: r，
本文 主要解决
了
) Z' t. a# w: c. A2 ^' L$ u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
6 t7 s2 V3 U4 H) H/ l工
作 内 容和 创新点 包括
& Y4 `) P" S$ m- g: [：
% H2 C$ }8 Z0 D# @( H; t１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
，
设计 了
一
种快速图 像分割
算法
4 T  ^* y/ d" G3 A，
- A. w5 T# M) S% M/ E0 D$ c该 算 法通过逐层 二分法
5 q, o! u. |+ N一
' x& r+ m1 W7 Y4 ~次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
，
同 时 由 分割 区 域得 到相 应 的 目 标轮廓
) M1 |  Q& Z) f% c5 Q+ ]: N( u: }2 U。
" i8 z, [. e, A6 T/ L  v; p0 L该算 法不同 于传统方法的 先 由 轮廓得
到
连续的 边界
2 B# S* z* Z- m* Y# f  Z+ s，
再得 到分割 区 域的 做 法
4 E0 k  n( R0 n9 _  W/ \- d，
5 b- v, S* A! N% J+ r  z% g; 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
，
. a: n, X; [. e' K# S  \' \减少 了 边缘分 析的计算时 间
+ N& g, N0 t; s# ]: u，
且对 目 标 区 域
) {4 |$ \' @; X0 S0 E2 b/ p3 }+ p0 [进
行分 割 的同 时 即 可得到相 应 的 区域边界
，
具备很 好的鲁棒性
。
* k" z, w% i% X２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
，
1 g  V: U4 D( Y  ?; ?8 [& c6 X经过背景 虚化
、
缺失部分 补
8 i" s2 o9 Y4 F) [, v8 [全
等步 骤
7 z4 h2 v1 W# W2 D8 d1 d% @+ c6 m1 @，
基于 生成对抗网 络进行标准人 像 的合成
，
; h" N2 Q) g: Z7 D, H- R( h: v合 成后 的 图像具有 特征点对
齐
后 的 人脸位置
( v0 K: o$ d) \7 c; N* w" J，
5 |- X) z& J% e5 Q0 p: |! [且脸部 及肩 部
5 c' t9 P4 Z, i4 u2 U6 d! H、
上半身 等部 分都具有 统
一
7 p" j/ t# Z% J4 R的 分 割与合成 效果
! Y3 b7 [; Z* W。
该
方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
; g& [6 T$ R: ~  \( G4 N，
" v- s3 [5 \2 D- [; c9 A可以 实 现人脸 图 像 的标准
化
. `: ~% J  Y3 w  `& t，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
。
' g' M0 P6 b- o& S该 算法可以 作为人脸
识
别 后 的 处 理步骤
' v4 l8 i% A6 n+ B，
2 {- d* j( ~9 ~& d( f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
. V; a* ~, Q7 f; d9 O4 u5 T3 ?后 的人脸特征 区 域
; q0 I. o- u# _/ M' J, }，
同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
，
9 V5 E8 s; R  _* y3 [# J* X有效改 善
, P) ?- V' h4 q6 H现
有 人脸识 别 与分割 算法的 效 果
+ e/ x4 j7 c  Q# }: w/ r/ F。
' F& r! S8 T, K3 B" c

% \) n7 s) O- _  P: L2 F