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

6 k. W" `. h; P+ E4 R0 T

随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
，
% d4 M$ B) w3 [  _. Y尤 其是 基 于通用 图
+ u! ?' b; a8 f7 k  z- \8 A0 z+ }/ q形
处理器 的并行计算技 术的快速发展
. u: P2 C: r' F7 c，
! f! j" b# Z: B( M0 X% k$ N1 |. q, ]3 S机器学习 领域获得 了 快速的进 步
。
随着 基于
. }; ^1 j" z% s1 t1 K# o9 a- z3 f卷 积神 经网 络的深度 学 习 方法的 出 现
/ c+ u  W( v- r+ u5 a，
& D/ d, M) q8 |  i& |( D( c．
7 O4 Z" z* X3 `- ?8 ^( \传 统 的基于 数学 模型 的机器学 习 算 法在
, C+ [( A* D) E4 Z$ g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
( Y( G# b5 q% U& T- Q7 j4 x，
7 H( g# k" c* G尤 其是 ２ ０ １ ６
0 S" X6 U3 Z* a3 J7 M年 以来
( A4 ^3 {) @' A& }& K9 t2 t，
基于 生成对 抗网 络的 图像处理方法
，
) S5 x2 [2 T! f% l1 @在传 统 的 图像识别
，
" M1 d, A/ g) M% O: i( v1 W% A( B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
，
但 图像合成过程中 仍存在算法
结
果不 容 易 收 敛
，
计算量大
，
优化速度慢
，
图 像劣化 等 问 题
。
针对人脸 合成 图 像
8 h! ?7 }* O7 b，
% {0 a' W0 i4 ~% H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
，
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
一
) o1 v+ j% d1 c8 m致性等方面
" O! y& m, k  G' Z  A9 s，
仍需进
一
6 U" t% |! d7 z* ]9 k& y/ }步 研 究和解决
。
本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
  T' h- U) {' J8 s% T，
9 O: o+ g( _1 ~" w7 _将合 成过程分
+ \0 M! p% m# L1 t" q: v成
# k4 {9 o  J% `* Z  p了
( h( N- t; t( u3 M" W３
个 阶段
1 `" E8 G6 I" m' y，
/ h) V. b8 b* {% j% ^$ o' |首先 是 图 像中 目 标主体 的分割
1 }& }' v: X- V  i% l  [，
其次是 人脸图 像的合成
，
, \" z! K2 Y4 h2 I  l" }1 z5 o最后 是 图
5 C: {  u: C! c& J$ c1 R, I* N: a2 H  X像的 超分辨和 画质 增强
，
: u& z% \. P( q* a; ?! X实现 了 人 脸 图像生成算法的 识 别
，
" P& r0 }0 ]( c) \6 J0 b, c# U0 n分离
，
) p. ]8 {& Q3 O- i8 G合成和 画 质 改
善 的 全过程
; \/ |9 [% s4 c1 k% J。
4 O/ B3 y: K( `针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
' X- N( o5 w  }，
8 G9 }/ Y" S* c$ l本文 主要解决
了
% [# t9 @5 R% |+ F, [, P2 e! A( ]9 P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
3 {0 ]- h9 E8 l/ w7 B/ s作 内 容和 创新点 包括
) K2 u$ z, o4 x* F$ R3 m8 s. P：
１ 、
* l# R* E' p6 c# E7 o基于颜色统计信 息的 高斯混合模 型分类算法
，
- U& C1 ?- {# j3 M设计 了
1 Y0 L; d3 Q( l, R一
种快速图 像分割
2 l& ]  g  T! a$ `+ c: D) T' K算法
，
9 {" P' @2 W' x$ b+ i该 算 法通过逐层 二分法
一
. E+ U, D$ l  w( V+ F* x; a! ?次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
2 w* q$ n1 R" r8 Q，
8 J" `. s* F9 Z% F4 x7 r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
' Z+ m6 ]- Z! e& v8 w到
. L- N1 S& T% t3 @1 G& d连续的 边界
，
  y: Z1 c6 w, ]+ J& f# j) `再得 到分割 区 域的 做 法
，
; w  K% r, V- X2 \* V# i% J而 是 直接基于 颜色 统计信 息和像素分 布
& k6 ^; c+ S2 K+ j, X的
, n- E+ H% ~* s* c. Z  Q; g& g形态学特征进行 目 标 区域 的划 分
，
0 ?- B0 {+ ?; }减少 了 边缘分 析的计算时 间
& g8 ?8 T3 p) k0 }，
! [; _+ r9 Z0 a5 e  p1 x0 J7 d! L3 Q且对 目 标 区 域
进
行分 割 的同 时 即 可得到相 应 的 区域边界
; P; R" Q" Z5 k+ V2 D& E4 _9 Z. Y，
具备很 好的鲁棒性
% Z. Z+ B- w+ F: |* Z  T$ i。
4 [( |) I9 w5 t0 z3 k２ 、
8 G' ]7 n+ r5 j1 E从包含 人脸的 任意 图 像中 截取脸部区 域
2 K  b  X% R$ N( n+ R6 h，
经过背景 虚化
3 B, p: [" Q; ?, x! E) U  Q、
, ^( ~1 P$ J3 C缺失部分 补
/ b) V/ A2 Z# H: r/ D5 ^全
等步 骤
) J2 g) W9 i6 H; c" W) m* v4 W，
0 j$ e% R) G% h- s5 K8 {* W基于 生成对抗网 络进行标准人 像 的合成
+ ~" `5 Y+ y2 m0 F4 [，
合 成后 的 图像具有 特征点对
* f1 z+ y) e( F! a* @/ ]( d# f" E齐
后 的 人脸位置
，
且脸部 及肩 部
3 x- o# O% r- a8 d1 M3 c/ m! i、
上半身 等部 分都具有 统
一
- T; I4 m( _: o7 u) M& q4 u, d的 分 割与合成 效果
。
; d! q$ D4 _2 E- [) e该
方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
1 }: G. b# ~" g/ ^* ^5 o可以 实 现人脸 图 像 的标准
化
7 G% U3 j- z" l9 j. h) J: ?. W3 q7 D，
  Z3 {1 p5 d, L0 V同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
$ q  u. l) X: x" ^7 `。
2 q: o/ [! N3 S" O' `该 算法可以 作为人脸
识
3 C+ ~& F# d* A& e0 @别 后 的 处 理步骤
' l9 x- Y+ z  l7 m  {" I2 [，
7 B- s; \1 N/ e9 n; N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
$ H# c2 f. e, E, V' G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
，
有效改 善
# n; v1 @/ Y7 G$ f7 g现
有 人脸识 别 与分割 算法的 效 果
2 E- [/ _2 l3 E6 W。

- _8 k$ l$ ^" B/ ~8 F& s
7 D) R8 k0 y3 ?) S; s