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

+ o/ T7 v& N# p% Q. Z% i; b! C

在人像合成中 的研究与应用

# \& p# L# W0 P% M  K
随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
5 B) R* y2 @* ?, Z- t# x2 q，
2 C7 U. h0 e, b1 a尤 其是 基 于通用 图
形
" c7 S: a% R! ^% \, X' t- [  n8 F3 j' a处理器 的并行计算技 术的快速发展
，
7 c8 c% m, P, u) U& _机器学习 领域获得 了 快速的进 步
。
随着 基于
卷 积神 经网 络的深度 学 习 方法的 出 现
，
. ?0 S+ S- H( h+ z2 o．
传 统 的基于 数学 模型 的机器学 习 算 法在
4 t8 |' X$ B1 {/ _6 G% z% C+ Q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
9 P6 y& |5 X; J3 P0 B，
尤 其是 ２ ０ １ ６
年 以来
，
1 e3 q: l& {0 p/ U- d% M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
，
还实现了 基于 先验知识 的 图 像合成
: J2 t( \, ?& u3 U8 m+ K1 F* h  P，
/ u$ R6 E3 I( R: `6 W& l但 图像合成过程中 仍存在算法
5 Y  |0 O' q& e7 L# B结
果不 容 易 收 敛
，
计算量大
# |6 ?6 N; ?- j# b/ l，
优化速度慢
，
" v. i0 v) W8 l  w  U0 I# e7 m% P图 像劣化 等 问 题
。
/ X2 ]2 V' S4 P6 {: O针对人脸 合成 图 像
，
. y6 f! m; i4 m3 O6 _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
，
8 |4 {) @. G3 c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
  N6 s- h* k+ q0 g* k) e一
致性等方面
，
" j+ U; Q/ L$ M) u* \仍需进
一
步 研 究和解决
( n1 T6 N- x! w( y& m8 E。
1 ~/ P( l9 ~4 {& 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
，
- K: l/ w6 m& Q+ y# |将合 成过程分
成
了
３
个 阶段
0 U" b" j/ D$ o' v5 O，
首先 是 图 像中 目 标主体 的分割
! u5 G. z& ^" F，
& ~9 X# t' A; u' H8 V5 y# g其次是 人脸图 像的合成
; C3 j/ ]( C0 I: W% N3 G. E，
0 z* }, O. N& G最后 是 图
像的 超分辨和 画质 增强
，
  A4 n* b+ Z& I0 g$ t' u+ v) f# R实现 了 人 脸 图像生成算法的 识 别
8 l2 F* k) \' M1 H6 h，
分离
，
8 v7 ^0 V3 V4 x5 S" f4 D7 f7 q" f# ]合成和 画 质 改
( c, P6 t8 F7 m  S5 [! A' S& }善 的 全过程
。
  J& W5 I  H5 N针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
9 b2 k- E. h6 E1 m2 k，
本文 主要解决
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
，
主要
工
6 d: u+ N4 \. H1 X& G0 R0 U作 内 容和 创新点 包括
6 Q- l  W( v) \7 c5 ~5 r) B：
' y# [- ^- ^$ g- n0 v3 j. I１ 、
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
5 h# t4 U: h. A. Y5 {+ p  j算法
* F# ^4 P* i9 i) Q2 T，
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
1 ~% ~2 F. v3 F8 O+ G，
同 时 由 分割 区 域得 到相 应 的 目 标轮廓
5 @8 u; A4 K7 Y. P4 v4 ~。
该算 法不同 于传统方法的 先 由 轮廓得
到
+ X# z& K$ E; G' T: v% I9 u, }2 s连续的 边界
% j. N6 ]$ p& x/ u; t2 U，
& L0 [' x" c3 k8 F4 ^再得 到分割 区 域的 做 法
，
% m$ ]4 l+ H. q而 是 直接基于 颜色 统计信 息和像素分 布
  l. y" y# b0 K/ H的
形态学特征进行 目 标 区域 的划 分
，
6 n6 x" s/ B3 L0 c6 U3 q) r减少 了 边缘分 析的计算时 间
，
+ C: D' g/ B% A# i' ~且对 目 标 区 域
: @+ `0 U! l/ V; M3 W2 v8 B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
# |' E8 ~2 c) ]* @, e。
２ 、
7 p. c# F" s' [' W, V3 Z3 |从包含 人脸的 任意 图 像中 截取脸部区 域
，
经过背景 虚化
、
2 A. l% @3 c9 E$ f9 j缺失部分 补
/ y7 f) A" G7 H* b3 h全
, H1 j" t$ j3 V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
: e9 f3 i+ o8 _4 `齐
后 的 人脸位置
，
且脸部 及肩 部
、
上半身 等部 分都具有 统
: }* K' R4 J, \6 _$ n+ {7 `一
的 分 割与合成 效果
。
该
1 d$ }- S4 }: e$ y+ w3 u) [方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
- L% c# m: |5 t4 D可以 实 现人脸 图 像 的标准
9 g' }& s0 X: s4 o) [% ~化
，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
。
4 b  Q; T$ p' D' N# n7 F该 算法可以 作为人脸
) i$ m2 i) f6 E/ c) S2 h/ G识
别 后 的 处 理步骤
% J" ?$ B% B( b1 S# E，
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
后 的人脸特征 区 域
0 A) m* B" Y2 }7 C- P，
" u, l7 e9 P3 _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
$ Z( f+ q' c. O; {6 y0 w  k/ I。


9 L0 b; N& V* Q* J4 N