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

0 W/ S, N+ w- m" K

6 {8 |# c' C/ ?0 F! i5 |2 R5 {  {随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
( ~! Z/ a( B( }4 N，
4 {) k& V* |2 I) o. b* ]尤 其是 基 于通用 图
) x* n& y6 m  Z& S/ @5 b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
。
随着 基于
3 f( M: J* a2 p* K卷 积神 经网 络的深度 学 习 方法的 出 现
. ?& J+ o3 s6 v6 ~- G6 f，
. W4 c5 M# Z" y& }/ F．
. L6 p; x- ?: J3 f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
，
尤 其是 ２ ０ １ ６
年 以来
，
6 R; q/ E' t8 ]基于 生成对 抗网 络的 图像处理方法
5 K$ ?) @" Z+ ?9 \' Q/ b  Q4 g，
在传 统 的 图像识别
% T7 G$ w4 I. w' x. J/ Q+ s，
图像增强 和 图像分 割等
$ z, J* e; f( D" E领域之外
7 N; M$ m9 ?% u7 e% L+ r) f, i* l0 }，
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
7 J. ^- |: {. y" k5 S结
果不 容 易 收 敛
，
: b& V$ Q0 H: f0 ?计算量大
' `% N3 r, a7 S2 w# v9 \6 Y4 w2 v，
7 j) F  c" [* v& i优化速度慢
7 J/ Q: v0 d# a$ e  G. i，
图 像劣化 等 问 题
) v( x1 h0 e, }9 V! y3 P8 F: M。
针对人脸 合成 图 像
/ v+ `1 e0 j" F5 s( ?- m，
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
* Y7 y" U$ ?/ d* b, v: ~1 ?! Z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
! B3 I8 n5 W- a' X# w( h5 \; V一
8 l0 \2 M: [. Q致性等方面
1 y4 ~; p) _5 [9 U* c，
仍需进
: i- y. y7 \& T  B; P' N一
步 研 究和解决
* b" l2 z9 p5 M。
+ E  C0 x7 Y$ C5 @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
9 t; Y4 x' ~3 ~8 w" v，
% `/ g# y6 l/ o. X/ S, I, M将合 成过程分
成
7 z5 B; u7 E( Q% q9 P0 k了
３
* a0 c. L7 o$ t. [3 ~个 阶段
$ Y0 P# K$ W1 X9 G，
首先 是 图 像中 目 标主体 的分割
% M3 j* d' n* H，
1 V+ k7 r4 p7 s: K  U$ ^7 B/ y; ^其次是 人脸图 像的合成
# S( V5 a9 j) Y& ]3 S，
最后 是 图
像的 超分辨和 画质 增强
，
" X4 W: o: }. ]* u" t. C实现 了 人 脸 图像生成算法的 识 别
$ c) }5 n5 J% ~( D4 |$ t，
分离
，
合成和 画 质 改
善 的 全过程
。
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
+ n% M' ?4 m+ a' ^5 a2 ]/ n( C，
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
2 H. V+ E/ D5 e) W9 J，
主要
工
作 内 容和 创新点 包括
) R4 ^+ b" B* y" ^：
１ 、
% J3 h3 ?+ ~& B基于颜色统计信 息的 高斯混合模 型分类算法
，
设计 了
. K8 e' W# z: C' R/ X0 `一
$ ?& i' E$ Q0 i, c$ a种快速图 像分割
算法
，
' j9 i* b, ~5 z8 L8 M: z# }: z; R该 算 法通过逐层 二分法
1 p* l8 V* [- T0 r+ V# B+ z3 }5 G一
次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
，
3 g8 b4 M6 {' V' r2 S% ~) M9 Q1 ^同 时 由 分割 区 域得 到相 应 的 目 标轮廓
/ i7 w8 e! j8 `' p" c。
该算 法不同 于传统方法的 先 由 轮廓得
到
" E; M$ p9 z. l+ O连续的 边界
! U6 a5 {& f* i5 M; t，
再得 到分割 区 域的 做 法
$ l9 d- \. L8 e4 q& u" s4 J1 y/ j，
而 是 直接基于 颜色 统计信 息和像素分 布
的
$ p; B0 _, m, k% h! h; d形态学特征进行 目 标 区域 的划 分
6 V3 {: d7 K1 x, x: @& Z，
! v% B0 _2 r. {. x) V' \. P3 ^减少 了 边缘分 析的计算时 间
，
" |0 p9 L: f, Y" K' i# J- x且对 目 标 区 域
进
行分 割 的同 时 即 可得到相 应 的 区域边界
1 @9 p; V3 W6 E- h2 E5 n8 Q, [* k，
0 N6 `% }1 k; A) K) C  l具备很 好的鲁棒性
* r, J4 Y9 ~- Y6 _。
6 W* V& I7 a+ }; }２ 、
& P  v5 I$ w, h0 O2 c- O从包含 人脸的 任意 图 像中 截取脸部区 域
3 t5 h/ _  z# \& F，
0 i$ x% O' L! N! f- ]经过背景 虚化
0 Y) {4 F3 V4 W( s8 }、
- a9 v2 J3 I# A9 v5 X- j缺失部分 补
全
% ]1 _% A. d7 T2 }等步 骤
4 K' z* o- }  X% \2 d5 `2 d，
基于 生成对抗网 络进行标准人 像 的合成
0 F: c0 m# j5 I* C: u# x- Z，
合 成后 的 图像具有 特征点对
齐
) q; J; |$ l) [7 |# e后 的 人脸位置
，
且脸部 及肩 部
) |. b3 h  O! L' a* n、
上半身 等部 分都具有 统
& q# V5 |# s. \6 i0 e6 x一
的 分 割与合成 效果
。
该
4 o7 o3 ^- m+ K( W方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
3 Z$ X; I  u; |5 m1 k0 S7 d，
* J0 ^! e$ ]4 B# n可以 实 现人脸 图 像 的标准
" ^3 f& p, {, d化
2 q8 Z. M( S/ s/ C# p1 `3 V，
( x- |% ]! C( L0 M" v4 V/ Z9 I& ^同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
7 Y. {1 A; S2 A+ D。
该 算法可以 作为人脸
识
3 d1 P- Z9 r0 m" I) ~% z( _别 后 的 处 理步骤
，
0 r8 c' Q$ C. f% l1 }* T/ J+ N处理后 的 人脸图 像 相 比 原 图 像具 有更
: Q' \. `8 L% y6 g& P% P一
致的 图 像模式和对 齐
后 的人脸特征 区 域
- a, {" y1 Z7 M0 Y# f，
: T9 ~3 D, X# g& }4 k2 ]) d" S同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
! z' D7 p$ b- g8 ^# W3 }，
/ z" ~2 n+ u' Z' [9 ^) A( U& z有效改 善
+ o8 F( @( i  [- U( }* S% E$ o, l) R. y现
) f1 b6 U3 L0 [. e; T有 人脸识 别 与分割 算法的 效 果
1 i% C: U* U) U6 g1 ]。
1 p4 {2 h1 S+ H& a

; g( n/ t, d: d