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

+ Q' [, e6 h" z! k: u; H

在人像合成中 的研究与应用

" T( ?3 w3 {" h  W; u
' |5 m5 w7 U1 E2 i8 d
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
6 w1 p8 o0 K) c" P( t$ w3 b形
  c% A5 U2 \5 |$ {  l处理器 的并行计算技 术的快速发展
! N3 [* I& Z: r% _: y，
! [* @5 x# |$ v. R9 t  E* g) Q$ n机器学习 领域获得 了 快速的进 步
  F- ]: Q4 L5 W* m2 Z: ~8 D4 ^。
7 ?2 s9 I$ `3 x% b随着 基于
卷 积神 经网 络的深度 学 习 方法的 出 现
5 A4 ^1 X  v' ~9 G( H，
, ?3 G: o" \+ r9 U．
- L$ i9 y& i' I/ E: l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
，
尤 其是 ２ ０ １ ６
$ k3 W. ?, r+ f$ B; b年 以来
) W8 {, b: y/ S，
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
- r8 l1 J2 T! r. N$ {) {+ a  B0 S8 @领域之外
& Z2 Z+ t' a7 q，
还实现了 基于 先验知识 的 图 像合成
，
4 t7 P9 e6 A. A* _! }) p& B/ t! _但 图像合成过程中 仍存在算法
  Z* c5 o/ W; k2 l, g, i# M$ {结
) q0 C- L6 l% c果不 容 易 收 敛
，
计算量大
，
9 P$ {: o3 n$ G8 I7 o& s5 [优化速度慢
" H$ Z: ]5 X, D& R1 X: l，
图 像劣化 等 问 题
, h2 b0 u. p& _, r$ Q7 d。
, X1 V: y; _" ^  M! m' S针对人脸 合成 图 像
  S' J" i/ M& f# i' c& t，
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
. j3 k+ b+ _" N% A- M+ d节还 原度
，
: j  V0 b7 Q7 w* M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
( K" I( C6 H: c一
致性等方面
，
仍需进
" H4 ^# n6 a, m  ]一
步 研 究和解决
0 Y% d* |2 o/ u# ~" m3 W9 k。
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
. f; W. c1 O% f  L; l( j成
' h+ l, a8 K3 L' S# e了
8 G7 o% n6 z% W" a. J( i8 }- G３
个 阶段
( K1 A2 F* V" o+ e* @9 ?3 C，
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
2 K/ j0 i" W" u$ C$ F9 `$ M像的 超分辨和 画质 增强
6 Z& g) ~: l" w+ C，
3 v& y5 n% {# t- _) V) n4 x, @实现 了 人 脸 图像生成算法的 识 别
，
- K4 b& }' w' d- B分离
，
% J3 X6 S1 q; |) C4 Y- D, n( f合成和 画 质 改
善 的 全过程
' p/ D- w5 F/ r$ }0 r% E& y0 S3 k* i。
; R1 Y7 ?: Z* }针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
, B' p, t; H5 X，
本文 主要解决
- v# _, R8 {$ d* N: n2 j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
8 R- C9 b9 u/ ?. \/ e. S2 O' F，
主要
工
作 内 容和 创新点 包括
：
% d/ c4 `; J8 j0 k１ 、
# P* [' u5 C8 B( L, k0 D$ J基于颜色统计信 息的 高斯混合模 型分类算法
，
' X' J  y+ f# h+ c- M% g设计 了
一
种快速图 像分割
算法
，
9 U% x2 {# e2 E8 A& u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
  E9 H* |2 A, z  n0 y$ L，
* M- W/ F" `) ?# [$ h7 ^; W5 f" H同 时 由 分割 区 域得 到相 应 的 目 标轮廓
" g/ b/ z+ e8 a$ C- X/ F& ^。
4 J+ ]5 j" T. u& c- D  b. X该算 法不同 于传统方法的 先 由 轮廓得
5 F% \6 H! W' I4 L5 V# ]到
. F) L5 u; N6 w+ V$ T9 T: |连续的 边界
，
再得 到分割 区 域的 做 法
/ \$ C* n  K0 `0 c! m: q& n% p  O，
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
. m# ?8 ~- ^$ Z4 ^3 D，
" F0 M; l( d$ g/ Q  S6 h8 q+ d) H减少 了 边缘分 析的计算时 间
0 M+ c7 [& R/ h7 K，
. C* g/ |6 R5 D& c' V" f且对 目 标 区 域
进
行分 割 的同 时 即 可得到相 应 的 区域边界
，
5 ?6 B+ q( @- j4 h( d; A具备很 好的鲁棒性
# o& U0 D- O. n% i& J# _3 d( \。
- |1 n3 M. n$ W- F( \２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
，
经过背景 虚化
、
9 W2 m0 H3 C+ [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
  a0 r. P2 j% v0 S% ?齐
后 的 人脸位置
+ G+ ^  {9 Y  ^，
且脸部 及肩 部
、
上半身 等部 分都具有 统
0 x7 o/ y0 E. K( Q0 g一
5 R' b/ c# m* K$ Q' ?的 分 割与合成 效果
。
该
4 d; b" M$ M" y4 r, ?5 s% w: S% [方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
4 z. H7 ~% z% p2 Y, n/ F/ r. J3 s可以 实 现人脸 图 像 的标准
2 E  G4 g! g# l( P7 F0 L化
5 c  |/ i9 O) u. ~6 V，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
) y+ D4 `2 |3 y2 d. j。
该 算法可以 作为人脸
; y& x  R& h! s+ q" b7 c识
别 后 的 处 理步骤
" Q% M0 R0 ~5 i' _9 M0 {1 Z6 @2 I- B，
处理后 的 人脸图 像 相 比 原 图 像具 有更
; m5 R1 t* \8 g$ g) ~9 D% Q; h; k4 e一
致的 图 像模式和对 齐
8 c4 o+ X# w# l; H9 I. z! W后 的人脸特征 区 域
& v. G8 o- x7 |4 ?7 P4 a' L，
同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
，
7 J4 I' h* {/ [: Z& F有效改 善
" C# G% b& t. O' v现
有 人脸识 别 与分割 算法的 效 果
。


0 u/ i2 l* |3 W