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

- b$ e, _8 C( y- F$ e; `% v! v

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
' I# ?  x# x0 e! B0 n( A形
处理器 的并行计算技 术的快速发展
，
; j& F7 y2 M5 N机器学习 领域获得 了 快速的进 步
# E- i5 c/ X- k' F( c6 e0 y2 }' w。
. u/ ~6 ?: w! y; c4 v  @- Z& [$ @随着 基于
卷 积神 经网 络的深度 学 习 方法的 出 现
- {2 d! S+ {1 y，
; d6 W" P7 k/ X3 D  C4 a．
+ d' `2 p0 `7 [  C, h" q- l; J8 x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
，
! O$ l- T; T) [8 J. l2 S尤 其是 ２ ０ １ ６
年 以来
, [9 [! x# _, x，
$ @5 l$ ^8 W& r9 P9 `/ A: @! v( Q基于 生成对 抗网 络的 图像处理方法
) T% }+ N% v* ^+ {: c# ?，
) C6 B1 B7 W  k) T4 Z" h" z1 R* F在传 统 的 图像识别
，
: R! s9 e0 M/ ]: G- h$ N+ C* r图像增强 和 图像分 割等
' M2 V4 J0 N# E, P. _0 ~领域之外
，
' y# d: S$ ]( f3 E2 e6 a) h3 h还实现了 基于 先验知识 的 图 像合成
" S, U+ g# C$ @& d! t7 @，
( \) i  s! `! V, F但 图像合成过程中 仍存在算法
结
果不 容 易 收 敛
' A: G2 a, d9 {" @，
计算量大
+ ^5 k# u- w9 @, o) W. p，
优化速度慢
，
" |. I) ]% g5 l' K* P图 像劣化 等 问 题
。
针对人脸 合成 图 像
，
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
: g, @7 j+ _" {，
* p) p; s; A* R: \# h% D. L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
/ v2 n" l' ?1 h' x一
致性等方面
，
/ o5 B+ Z' S( q$ G  `8 [9 J/ U仍需进
一
' l# B2 J/ X2 C2 C8 j7 }: ~步 研 究和解决
! T+ y+ ^# r+ g$ R, ^! g。
2 C$ R" i# B2 P! V0 v/ _本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
，
5 |# B- y) w+ t9 `6 C# F将合 成过程分
* S+ v- Z& Z9 e! q: {5 U! _成
了
, r, C* h% X# y% D/ i  w. y0 e  l5 [３
个 阶段
，
首先 是 图 像中 目 标主体 的分割
，
其次是 人脸图 像的合成
2 X; L- l, o6 {8 O，
& g( b- T4 Q# s6 r6 Y; N最后 是 图
8 ]8 z8 ?) E8 g7 r1 B1 h+ ^7 }像的 超分辨和 画质 增强
，
$ |  D0 R5 e7 i实现 了 人 脸 图像生成算法的 识 别
. P0 B$ b( n8 D% e7 ~! G' a+ O，
; c3 P/ O* I# t3 E7 d8 O分离
" y9 \0 I. Q4 U4 n  w) \4 j，
合成和 画 质 改
善 的 全过程
% S4 w' n6 ~* l7 s) k。
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
5 _) X6 @2 r) O! T5 l# A，
本文 主要解决
: x: _! d; M; ]1 `; |$ M了
8 s7 e7 `$ O) [6 K5 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
( w; V7 z$ S+ i9 V，
主要
工
作 内 容和 创新点 包括
：
, e7 T+ L& B  l" k１ 、
" S! V7 _% o& ~* [- m, @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
/ N% j, @7 a9 M9 L( B# M算法
3 `: J. x7 Z0 l0 n0 M: F& A% g，
, R2 Q  ?! T5 K2 k" w5 d该 算 法通过逐层 二分法
一
& j9 R( n! u7 h" c" e% d# J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
。
该算 法不同 于传统方法的 先 由 轮廓得
5 X8 s8 O+ q; N: X4 a到
连续的 边界
，
再得 到分割 区 域的 做 法
，
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
，
5 I% J% f  {8 W, f: G4 V减少 了 边缘分 析的计算时 间
，
且对 目 标 区 域
进
( ^: [4 n1 \8 w- h行分 割 的同 时 即 可得到相 应 的 区域边界
6 u5 x: O; o- D，
具备很 好的鲁棒性
。
２ 、
3 t- M$ `8 e8 i! ^8 G* j从包含 人脸的 任意 图 像中 截取脸部区 域
& W) M6 _/ d# a, D0 b/ x8 n，
% P, U2 q6 W4 V, C2 C) @经过背景 虚化
3 b& r6 W* Y# I  u5 Q& c、
: d3 Q8 I1 @7 ]+ q$ d缺失部分 补
全
等步 骤
，
: Y% {9 R7 {8 e" g; |基于 生成对抗网 络进行标准人 像 的合成
+ X4 c- ]3 \6 x! T9 Z，
合 成后 的 图像具有 特征点对
齐
后 的 人脸位置
6 W) U0 C, |+ u) [- A，
2 U9 w  s$ o# g% z  [7 }且脸部 及肩 部
1 j( \) M: D( S: X; {. L) X3 c* X* f、
上半身 等部 分都具有 统
5 R0 e' ^) P9 F# h5 H一
的 分 割与合成 效果
。
该
. g) D( e  W  u1 q' [- I1 D方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
$ {" z. Z8 u: e: x，
可以 实 现人脸 图 像 的标准
化
，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
。
4 c! E7 q# l, U# j8 t该 算法可以 作为人脸
1 \3 }5 F0 I% Q3 i: O, m+ Y识
别 后 的 处 理步骤
& o, z3 l9 `3 r，
处理后 的 人脸图 像 相 比 原 图 像具 有更
4 `$ [4 s9 }; F' o8 ]1 C4 a一
致的 图 像模式和对 齐
- e- M! _3 x5 ]5 t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
. T4 ]" C  \- R* ]  T+ M$ h，
有效改 善
( f( T. f/ d- ], h- i现
+ T8 ~; r9 W) m! ~0 `+ S' V有 人脸识 别 与分割 算法的 效 果
。
) K* r- @5 \: F% s9 R& w
4 j  v# Q* U6 f
1 B4 ~' h) r. _0 O) \