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

/ `  w0 ?# K( ~; W1 _3 N$ R4 @

随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
，
2 \4 ?* Z* i: [, c- y  |; Z尤 其是 基 于通用 图
形
处理器 的并行计算技 术的快速发展
, o* f2 @, u- A& G，
# R4 t/ [+ [* `  r; g! j$ D  I机器学习 领域获得 了 快速的进 步
' o* q2 Z- p. }3 }# J。
随着 基于
; P1 a! Q" {% i1 l( j卷 积神 经网 络的深度 学 习 方法的 出 现
& B; ^) O# Q+ _，
5 w: [$ x0 Q& q) @2 G, e0 ?．
传 统 的基于 数学 模型 的机器学 习 算 法在
9 Q, h( {' u6 {( W' C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
7 b! a3 |8 P- ?7 N，
1 n5 @1 h% u4 m$ L& B* \6 X: x! z尤 其是 ２ ０ １ ６
年 以来
: z; {: j1 H; I! u" D，
  Z& A/ k* y% T8 J基于 生成对 抗网 络的 图像处理方法
% ]0 ]6 O/ G" }/ F0 ]，
在传 统 的 图像识别
，
2 u/ E/ d1 T5 y# p- W# b6 L图像增强 和 图像分 割等
领域之外
; {6 z9 f7 P' ~; {，
# p6 i  s+ B. n1 L. I还实现了 基于 先验知识 的 图 像合成
，
6 ^+ }+ ^5 n- e* Z# z- c- y8 P8 x但 图像合成过程中 仍存在算法
$ E: Y. `2 V' G" \! _/ W结
果不 容 易 收 敛
) E+ s! c% C7 H，
计算量大
，
优化速度慢
  E& ?/ T" z& {& |1 _，
6 w4 ]% X0 ~( _' G! \5 E0 M, ~图 像劣化 等 问 题
。
( T# M! O# x# O, ^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
& O4 Z, n) U- ^/ o# j: W) G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
, V! m9 ^; a2 |1 b一
" N) I; K! E& }* P% B致性等方面
0 o9 S; ~4 y% U* F9 J- H. ^，
仍需进
! d0 B  N: t; }; n) B4 _4 X0 F一
) p# x5 _* [( h8 b4 Z步 研 究和解决
。
9 h  C, E; m2 q/ v' ^7 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
5 l2 q$ O! I! k+ [$ u+ j9 l4 u，
将合 成过程分
' C+ S' M. r+ L8 C# |! A成
了
３
2 ], d, Q4 {) d6 b) E0 F2 g个 阶段
- Z! P8 m# @$ S; @& H# ?# o，
6 U- k7 }+ o- L6 y8 N8 }首先 是 图 像中 目 标主体 的分割
, t8 j0 D) u  [  ]( s8 g" P，
0 z- ?4 W. ?7 F4 X+ w& j其次是 人脸图 像的合成
) z/ D) n# o' }2 k，
" q2 N) i" T" o最后 是 图
$ `% X9 [' h1 m- M. S+ n6 J! w像的 超分辨和 画质 增强
8 S3 m0 F: ]- o2 ~，
$ J* l9 H8 z( \: w* W# k3 o实现 了 人 脸 图像生成算法的 识 别
，
) }* |2 {# e6 v# U分离
，
% e, d- N; ^/ V: @( y3 p6 N6 N) s合成和 画 质 改
2 [5 U; D5 p% p, _! B& J' U善 的 全过程
" E! J0 _7 ^; j。
. K  @, \: j" e/ Z" o" l针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
，
  S3 e7 I7 H! d$ K, N6 d本文 主要解决
+ Q7 A0 {! F: X5 i. c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
/ L# {) s0 D  v* Z/ p& @，
主要
工
- x6 t; D& i# A5 f4 i作 内 容和 创新点 包括
/ _4 l3 l2 d, z$ Y1 C2 }* ^! f) E：
１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
1 ?6 S+ ~3 H- j，
设计 了
) |* ?7 ]8 q3 U! z2 v一
4 u6 |/ _, q7 S5 i  m2 f种快速图 像分割
& Q& @7 B( N# f& x算法
  z$ C9 S; W" G$ y，
该 算 法通过逐层 二分法
. ^+ v' O  h4 H) B一
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
。
# B8 ]0 U, n( n3 I2 M) k" x该算 法不同 于传统方法的 先 由 轮廓得
/ ^* Q. ~. ~, @到
  w  g. x" ]" B2 D( {# n& d连续的 边界
* [' V/ U# T7 v: w，
1 I1 ?) J. \: A( Y: f8 S再得 到分割 区 域的 做 法
9 F9 J9 F! _! O2 F4 m，
而 是 直接基于 颜色 统计信 息和像素分 布
的
. P1 I. W% F, n: E形态学特征进行 目 标 区域 的划 分
，
$ _& B$ v0 a$ n. V" t减少 了 边缘分 析的计算时 间
1 C0 |" P2 \- X: [* ~，
/ v  F  G, s% g. g: {5 N1 z且对 目 标 区 域
, J' r- t& b; q' w! h2 H进
行分 割 的同 时 即 可得到相 应 的 区域边界
5 Z; T! m! l! z  i' d，
具备很 好的鲁棒性
8 v$ X6 i. y! v。
5 P: ~" }# b5 e: Z２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
，
经过背景 虚化
、
: f* H; ]% w# A, a. G+ v缺失部分 补
1 j, O5 v# L1 M$ G% J全
5 `" i* X4 x5 L/ z0 l3 Z4 `  [( e等步 骤
7 P1 o8 D+ }: u" g! u，
基于 生成对抗网 络进行标准人 像 的合成
% f! B" U5 p* @$ a/ h，
+ H1 L9 W, ~: }/ N1 n合 成后 的 图像具有 特征点对
1 v2 M! K0 u2 C: P7 \9 L齐
2 n! `7 G7 B1 V3 P2 n4 y: U* {: d后 的 人脸位置
，
: W$ l9 h) R9 Z4 z且脸部 及肩 部
、
上半身 等部 分都具有 统
一
的 分 割与合成 效果
。
: H& r' \- U7 ?. I$ e该
方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
/ ]9 ^: ]  _8 V# ?9 g& h' g，
可以 实 现人脸 图 像 的标准
化
8 w. }' L, W7 x，
0 t/ i2 _1 n  e  W4 I& }! A8 T& B' h同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
/ n1 t  p& @# o, P。
该 算法可以 作为人脸
识
别 后 的 处 理步骤
，
) k" x& H, o7 B. r& n* O- b2 w8 P. J3 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
& M' O  ]+ s. L$ K" W) t1 R后 的人脸特征 区 域
" e6 o; q, a  q) J5 j，
6 ^, D. `9 Z! R4 ^8 A5 W6 I6 i' W同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
，
有效改 善
2 Z% I- L3 r' |; S现
有 人脸识 别 与分割 算法的 效 果
。

0 Z9 W. Z& C& m. t$ y! _$ o+ D