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

! w3 Q# t. g" q+ I, t. T

在人像合成中 的研究与应用

7 N! B2 [1 `! z, m5 `1 E% ^! @# v4 a  Y
6 a+ Z. j3 h- o1 y9 ]4 A% D/ h! S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
( E( j8 c* C8 M- e6 R& {形
处理器 的并行计算技 术的快速发展
，
机器学习 领域获得 了 快速的进 步
$ \+ r8 ^  H; D。
3 [$ `# Y3 q: v" j3 p5 b# A1 ^6 i( y随着 基于
卷 积神 经网 络的深度 学 习 方法的 出 现
，
& K- E) X  O. {! V- K* L  U' t．
! l7 g$ I5 Z* K$ {3 @  c9 I传 统 的基于 数学 模型 的机器学 习 算 法在
: P# @: N! E" h+ Q" o! J! R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
年 以来
9 X/ z6 n0 G1 t  F  S+ R，
) i8 c# ~: r2 Z$ x1 \0 I* B; e: y# M" [基于 生成对 抗网 络的 图像处理方法
，
9 b6 c& g: p8 ]) M. N在传 统 的 图像识别
，
' D4 q: t) k: \& d" k# _图像增强 和 图像分 割等
/ v7 U8 I3 u8 A8 t( j  f/ h领域之外
，
还实现了 基于 先验知识 的 图 像合成
: b# V! a. Z* ~+ a，
但 图像合成过程中 仍存在算法
- t* m% d  i+ J, N% G5 ?7 r# Q结
果不 容 易 收 敛
0 I% y7 K6 B1 W. j6 D，
计算量大
，
2 e0 @- ^* U' R7 r优化速度慢
7 L+ ]# |5 Q8 x3 B7 H，
: k( s/ x# I6 b' P; Z! P图 像劣化 等 问 题
' h3 {$ l' {$ i. ]* b" C* v。
& K7 P; i! J8 Y: ?针对人脸 合成 图 像
，
4 _  [# b0 V3 K* \& Q: O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
，
7 q+ P9 \# X6 U0 U' ^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
' F7 q7 o' g( U) E4 H一
7 c0 R9 r3 R7 ^  w致性等方面
2 p& p( H1 ?6 F& x，
8 j  J( T1 Y8 A+ l/ e( A  M仍需进
" `' b9 z* l4 ~6 Z* G) Q: d3 v/ M1 E  ~一
! \# n2 P0 c/ p8 ~步 研 究和解决
) T3 U" X$ H9 R6 C& x1 X  W。
本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
7 h9 ]5 g' Q1 Y& x，
将合 成过程分
  Q3 X& Z6 C1 @成
了
( x( }' O9 g% \, e4 J( L, b３
个 阶段
& W, B% {) F, m0 @0 F，
首先 是 图 像中 目 标主体 的分割
，
9 e" ?7 W8 g, Y, v/ ^1 k) e其次是 人脸图 像的合成
3 F' O3 m/ {4 D: d9 c& `，
  N( j4 F+ n9 z, A8 H最后 是 图
像的 超分辨和 画质 增强
6 q" F  i0 c! e$ }+ C' y: ?，
9 N6 X) A& A9 M) L0 A9 q实现 了 人 脸 图像生成算法的 识 别
, U) [+ t5 Z* M# x1 K5 `; B7 o) h，
分离
，
. Z* `- y+ [+ H" J9 L3 a合成和 画 质 改
善 的 全过程
$ N% z1 X$ m, D2 C* w' Z。
' v5 d7 \( e: G- ^针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
，
本文 主要解决
4 a* v( K9 @& T8 c' S$ t- f了
2 n5 q9 T% }6 B# k9 A; X& O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
5 Q- Q; {9 e: N3 @* s; P7 S工
作 内 容和 创新点 包括
9 k0 H* z5 q* K( {& a3 k：
0 @2 K2 [" r. M/ o１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
* o) f% `  k6 l7 }* ?，
设计 了
一
种快速图 像分割
算法
，
该 算 法通过逐层 二分法
7 s" F& n  Y8 n一
次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
，
. E3 u/ J# x5 ]( f) {9 C7 E同 时 由 分割 区 域得 到相 应 的 目 标轮廓
; i0 L( r: W3 v' B+ g$ F7 N2 |。
" G9 E8 y" P: r! u- x该算 法不同 于传统方法的 先 由 轮廓得
到
: q; p, R) }7 i5 U, p: o- O连续的 边界
，
; c$ b5 z' j) S1 }* _2 G  n0 z再得 到分割 区 域的 做 法
, r: S" e7 ~' ^, r，
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
，
减少 了 边缘分 析的计算时 间
，
且对 目 标 区 域
6 B1 h; x4 a5 M/ c  u+ I6 E进
行分 割 的同 时 即 可得到相 应 的 区域边界
" \3 F: y' }% B( r! i+ K% p，
& Y; N5 q* D! s6 Z1 s具备很 好的鲁棒性
6 W$ x# Y' ~. t$ f& A" U。
0 \6 t6 S, x; A* R& s２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
. O* [" `: W! M" \7 e，
经过背景 虚化
" m) _3 q7 s6 B+ _$ f、
& Y1 u2 K6 }. p  r缺失部分 补
全
3 b& L/ ~$ _4 R, e# B" U! f5 w等步 骤
9 X7 p. d9 k! ]* w，
! k+ Y) k7 v% F" b基于 生成对抗网 络进行标准人 像 的合成
，
' D. M. e# R0 D! v5 C, s! C$ s合 成后 的 图像具有 特征点对
7 a/ V1 z8 [1 z7 g- i6 Z0 ?+ r  _齐
+ q& v% U1 j4 ?- d后 的 人脸位置
，
+ Z, J! s6 |5 A% o3 J0 A且脸部 及肩 部
、
, ?) z$ g# W, Y1 z+ D) L' ?1 J& v上半身 等部 分都具有 统
一
/ |9 D5 w6 }: s" F* ]% x; w的 分 割与合成 效果
。
" s: ~( T, b! @+ h) ]该
方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
可以 实 现人脸 图 像 的标准
  \2 b/ u% J8 C+ Z化
% q8 l" P3 ~+ B; M6 R，
6 B: Q& Y- p0 u6 U. T) Y同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
! ^) a- V* W  j。
1 c* D! I3 z! d! g* @该 算法可以 作为人脸
( g* A: M: ]. _7 `" D* y2 Q识
- w/ [) U$ o$ _3 Y别 后 的 处 理步骤
$ T) r! _) L; A0 {3 q4 z$ k，
处理后 的 人脸图 像 相 比 原 图 像具 有更
: k3 J! V5 T6 \6 J: ]% ]8 t7 f一
5 }3 ~+ o  U  m# Q: w致的 图 像模式和对 齐
后 的人脸特征 区 域
/ ^9 M5 g, p3 H! ?0 F" f) R，
同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
  {; X( a  V6 K) R: q' k) ?8 R，
9 D3 R9 o* r% Y. t; w* G$ v: u有效改 善
  K% K6 h! S" \. h现
有 人脸识 别 与分割 算法的 效 果
& J. ]5 R( T% j; q。

. u6 W4 h7 L# F5 M5 y
7 @2 m: G4 P6 {/ p5 t