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

2 L, R7 Z/ J0 t5 s) B4 y1 n
随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
/ s% W0 h3 K  W，
7 b/ j, `2 `) O尤 其是 基 于通用 图
) S3 T+ r' Y+ P# E! @* D2 G4 o形
. a6 W' R* c* F4 o4 K处理器 的并行计算技 术的快速发展
1 H6 `1 e# F" H' p" h. |，
机器学习 领域获得 了 快速的进 步
/ n' R' F. u: U  h- T9 J: L4 `。
随着 基于
/ M; W+ i1 q' p& K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
，
" P# B9 j8 {& ^尤 其是 ２ ０ １ ６
年 以来
& u6 ^6 ^7 Y, q5 |，
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
, k' @. b0 P4 e/ Y1 X9 [领域之外
，
还实现了 基于 先验知识 的 图 像合成
- ?1 O; d/ v4 }* a+ R，
" [. |$ |: y+ u但 图像合成过程中 仍存在算法
; V8 x9 e. L$ m% h# s/ Y7 f结
- U) P9 i9 q$ W; @4 \# Q0 f果不 容 易 收 敛
1 p$ O( Q, s8 t* N0 P，
# q2 R5 K8 U& _  ~+ G' {计算量大
，
) o- K- y6 H" e优化速度慢
，
图 像劣化 等 问 题
。
针对人脸 合成 图 像
，
. G$ @2 E  |3 N$ m# B6 Y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
，
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
) T3 e$ Q9 N* i致性等方面
7 {/ ]  i9 Z% j  M  I，
仍需进
一
步 研 究和解决
。
( _3 h$ D. Q/ f. O/ p3 C) \, o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 ?. g! h" k: \- r& v( j，
( m# L+ e, p& e6 E& j将合 成过程分
& n5 n" R: h  O+ U$ |成
3 \( E7 U; J' F" n, F. K( s1 P3 R了
; V2 w% n5 H* Z% V, m& d３
个 阶段
- q4 z) T, s& K' q8 \，
; |% Z% C  ]0 H, Z# x6 Y7 {) A' T4 J首先 是 图 像中 目 标主体 的分割
，
8 L7 o! |. ^- D. Y( y; X) O其次是 人脸图 像的合成
，
5 a' F& u; L6 p' o9 L7 f最后 是 图
像的 超分辨和 画质 增强
，
实现 了 人 脸 图像生成算法的 识 别
- h' b6 }; L# w) T/ D，
: T% U0 P; I) U$ Z- Z3 ~分离
，
合成和 画 质 改
8 J! r  L' w# V( w. r. p+ Y% W* U# T善 的 全过程
。
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
，
% p' }* }2 {- T$ o本文 主要解决
了
/ h4 R! s) |& L3 c2 i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
工
9 O, Z8 \6 t& `/ {作 内 容和 创新点 包括
：
１ 、
  B! l* j: [$ q( i基于颜色统计信 息的 高斯混合模 型分类算法
，
设计 了
& F$ U5 w+ E! B# q8 w1 b& N  |4 n一
- K: P8 B( M- i% ]1 l种快速图 像分割
; N. C" W$ Z' {4 O( V" h' ]. Q- F算法
，
该 算 法通过逐层 二分法
9 k7 y. L, Y. ?% x0 ~5 f( P! D' D一
次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
# u$ o- h% k8 o% I，
同 时 由 分割 区 域得 到相 应 的 目 标轮廓
; M' @# o1 D8 _- r: J' v。
该算 法不同 于传统方法的 先 由 轮廓得
- A+ P* [/ i( `" ^到
9 L- r5 |( Y' F. Y% a( n& S; [连续的 边界
( K5 c& e7 V8 G$ E2 E" w，
* o6 Y- Q% w! S6 C再得 到分割 区 域的 做 法
5 W4 j9 S# g* p% {8 [，
而 是 直接基于 颜色 统计信 息和像素分 布
4 D. c9 x% A. m7 y8 s, n' a的
+ R! c3 p8 E  k8 j6 i( `) E8 i! t形态学特征进行 目 标 区域 的划 分
3 T9 W2 s9 n( h3 ~，
# q# M) ~! L0 {- `+ L: R% E减少 了 边缘分 析的计算时 间
7 e. T, y  [2 E1 i7 W/ y5 c，
且对 目 标 区 域
0 d% A# h4 U- B. ^. ~$ F3 t% B进
" t; ]& y4 Z  B行分 割 的同 时 即 可得到相 应 的 区域边界
6 D1 U  B, p( w+ c; s/ t，
具备很 好的鲁棒性
9 a" u8 P7 r8 u: v( P1 q. A。
２ 、
, p- C4 C' ]. y9 o: N: R; c从包含 人脸的 任意 图 像中 截取脸部区 域
，
经过背景 虚化
、
1 _4 Q9 d1 W. V* u- v缺失部分 补
* l1 [2 L( F/ p全
& H+ i: @1 m; ]# b- w4 p等步 骤
，
3 ^, X8 Z; r; x) Z4 x: s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
* k; `/ K, I* T" z0 D; L& j, D，
; b0 h' R: V8 ^3 \/ m且脸部 及肩 部
- q$ x, Q4 A, `8 {9 A、
, z& _2 p3 R' P/ _上半身 等部 分都具有 统
0 C0 J% m" |3 Z+ {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
，
9 D( k4 C  w2 R可以 实 现人脸 图 像 的标准
化
，
$ L1 K. p* h1 S9 {% {同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
, e" m: b' P% }3 O5 @/ u。
7 X0 z: C6 E) x: y! K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
- {7 h2 I0 w) F! N5 J% \致的 图 像模式和对 齐
) O( K4 y7 L7 K; u! v后 的人脸特征 区 域
，
1 h+ c+ b9 p" N) L0 w" Y1 B同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
，
3 K8 U% V8 T- U8 K& E有效改 善
4 f* }: y  T* i9 A现
有 人脸识 别 与分割 算法的 效 果
。

% C8 m4 _' R* m7 y5 b2 u
3 ]" T0 T% |* J* ?! F- K* p