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 H9 s" X7 a3 ^* W5 S" }+ K

2 K% n* l. M; G+ ?- t随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
4 Y1 o: j$ W; e，
$ e. R' t. p3 U2 C7 V% T7 e尤 其是 基 于通用 图
形
* f6 z- E/ q' Q; s处理器 的并行计算技 术的快速发展
; R" \# Z3 y  A' P, _( e1 W，
! ^7 H3 e, O" Z0 ~机器学习 领域获得 了 快速的进 步
4 D( K9 r* f2 J3 Z  \。
随着 基于
卷 积神 经网 络的深度 学 习 方法的 出 现
，
．
传 统 的基于 数学 模型 的机器学 习 算 法在
4 T' ?' L& ^* m( u2 `3 V9 t" B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
，
0 j; U6 I( D- Y- d/ U/ ~1 l2 r尤 其是 ２ ０ １ ６
年 以来
，
  _* |; O' m" Q# g# M基于 生成对 抗网 络的 图像处理方法
，
. E* ]$ I' A6 J% }- }在传 统 的 图像识别
，
图像增强 和 图像分 割等
领域之外
1 X: r. ]$ K6 p* c9 K7 m，
) D4 [# b' g$ l1 d5 X- p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
0 H7 d2 j: |8 I# r7 L, f/ L结
2 a' B8 |6 d$ ~8 v3 i8 s" o# B* u* a果不 容 易 收 敛
6 j, l/ O; T5 r0 d，
4 B# @6 E" ]+ _& J  k) w* Y计算量大
7 M! z3 H% O  Y3 r0 s2 w，
优化速度慢
3 B7 |4 z* a: k$ y7 e& k. x3 d，
图 像劣化 等 问 题
。
' J9 g! q( h/ A8 z3 k3 J针对人脸 合成 图 像
，
, C0 B: Q- ~/ G: \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
，
& [2 W, n, N, ]7 s6 [, Q  v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
& G8 n) F- ]5 ~* L+ Q5 b8 Z8 b. p一
0 z7 }8 q% u8 @# x* U& A/ R! O* k/ N致性等方面
, ^) [4 z$ s- V" i' J7 f* b" M' B，
* s1 W7 M1 d& t+ X7 f仍需进
4 d* [0 N% }: b. M" h+ T5 _1 V一
步 研 究和解决
. W1 f% P& W! O" J4 U。
本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
" s: l% Q* o8 |, F% {' v: {6 U$ |，
- `9 w0 f) b5 w- S7 h/ i$ W将合 成过程分
# L: n' F6 h# C成
了
３
个 阶段
# w, _) g& m: B! r，
首先 是 图 像中 目 标主体 的分割
+ _. t* Y2 I' Z0 C* D* Y，
- Z; M1 _2 @" \) [其次是 人脸图 像的合成
，
# ]8 |' P! c5 Y+ P) `/ G. j最后 是 图
像的 超分辨和 画质 增强
! J6 G, C# W; b7 M5 h  o, J( y，
" N2 P. [5 b7 e* b' Y实现 了 人 脸 图像生成算法的 识 别
，
分离
" b8 D0 b( L+ f6 H0 O，
, w7 i. U" ?" E* s5 J9 S6 t  i, P8 u8 E合成和 画 质 改
善 的 全过程
* d9 f3 b1 b: i+ d; U, N' V。
% A+ I) A5 H1 D6 H6 P针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
，
+ w& d7 c; u2 o$ A本文 主要解决
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
1 ~# n- ^8 x/ K* I/ f9 c，
主要
工
作 内 容和 创新点 包括
：
１ 、
! ?  ]9 c1 ?  G  q7 x$ i8 x基于颜色统计信 息的 高斯混合模 型分类算法
，
设计 了
1 j+ ]3 r$ h! l一
+ |4 `) ^& M/ y4 A: i& B& [, R" X3 r种快速图 像分割
算法
，
8 ^! A% V; a1 A, ~该 算 法通过逐层 二分法
8 }/ W% U6 X! g/ V  X一
( |* H! c+ J8 a: q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
8 G3 \4 ~' M1 F+ o" E# a9 J。
6 P; k1 D9 `% L! w! M该算 法不同 于传统方法的 先 由 轮廓得
到
连续的 边界
6 s) n9 X/ U0 W，
再得 到分割 区 域的 做 法
: f" D* F5 f$ H7 p+ l- ^2 F) K/ n，
: y, M5 q7 N( i1 e2 U而 是 直接基于 颜色 统计信 息和像素分 布
2 L4 e6 p9 i2 s. q9 h- T$ r的
% W1 o2 Q6 U( w; Z形态学特征进行 目 标 区域 的划 分
/ q' q( x8 N) ]/ K，
减少 了 边缘分 析的计算时 间
7 v3 l# g% G; G1 q( E，
且对 目 标 区 域
# K7 x0 _  z! p) s" E) n( L. r进
! |0 {1 u. ^4 _行分 割 的同 时 即 可得到相 应 的 区域边界
' o8 B1 A/ ]) b& Y6 `，
具备很 好的鲁棒性
8 E8 Q( ^! A: M" ^。
２ 、
" K1 ~+ u  ?, e5 X* Z从包含 人脸的 任意 图 像中 截取脸部区 域
5 H% _  a! h4 ]3 l7 T4 J. X6 ~& C，
经过背景 虚化
; x1 A# u; B: p' q8 ?% Z& c5 h、
缺失部分 补
& X7 o- J6 U" N4 ^: w全
等步 骤
- H; \; ?# h. ?: h4 e，
基于 生成对抗网 络进行标准人 像 的合成
: y; a7 i; P, h# Z3 c，
7 E0 H$ c& ~+ O4 x, g$ z9 \合 成后 的 图像具有 特征点对
齐
后 的 人脸位置
4 G+ Q* ~* {2 _5 T，
  D8 U. j# ]$ J) y) ]4 N且脸部 及肩 部
$ m* B' ]5 ]* ~' G. `、
上半身 等部 分都具有 统
% e/ ?7 w, ?( U7 @一
的 分 割与合成 效果
9 B- t9 f/ z7 f) ?。
5 w2 ^& d% M( {: |" N/ j该
" K& z  y- Z( k9 y8 l5 J* i方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
8 I7 X. e. w& [可以 实 现人脸 图 像 的标准
化
，
) Y3 R$ V& x$ F) b同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
。
1 R# z0 _$ h" y- k0 @1 J9 U( S4 _( Y该 算法可以 作为人脸
识
别 后 的 处 理步骤
* W4 Q9 w% ^1 _! b4 k3 y0 ~，
处理后 的 人脸图 像 相 比 原 图 像具 有更
; F4 O7 |% p4 ~, U) B一
致的 图 像模式和对 齐
1 R; b" v) {8 e+ n后 的人脸特征 区 域
，
9 S3 A- ^! a" N同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
2 v" J0 |) h9 ~8 D; `) K，
2 L+ n% {; b( A' n2 g1 Z: X) h有效改 善
现
/ J; f. O& s! y: W有 人脸识 别 与分割 算法的 效 果
。
4 N4 a; r5 X  O: M4 k