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

随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
- P  Z+ ?3 `* Z5 U' Q0 U，
尤 其是 基 于通用 图
. w) O- b) b3 \. y/ u" T形
6 U/ e, L: }8 w, Q$ N处理器 的并行计算技 术的快速发展
，
, c* v- K, D- O( ^4 |机器学习 领域获得 了 快速的进 步
。
随着 基于
卷 积神 经网 络的深度 学 习 方法的 出 现
! M9 g4 A/ k* b# ?; }; h: b% s: I，
7 {! P9 w# y/ d- G+ G．
9 B* z9 [/ C9 y& }传 统 的基于 数学 模型 的机器学 习 算 法在
6 e, }' H# T7 ~( R3 {: X0 I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
# `# r, o8 C$ R" H2 c. l2 N! u4 t4 g，
尤 其是 ２ ０ １ ６
年 以来
2 D! k0 m, h* N9 B# f，
3 S3 R) X- B0 ]6 C3 u; n' v基于 生成对 抗网 络的 图像处理方法
，
1 r2 z4 s9 _) v8 l4 ^5 v. H! `在传 统 的 图像识别
8 b# Z) `. v# f，
图像增强 和 图像分 割等
! ~! m, ]/ d! t' n7 f1 V& t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
% e  b" b" g0 A& K$ B: S4 T0 z- }，
优化速度慢
! Y+ v! ^2 e" Y1 u& M7 t* g，
图 像劣化 等 问 题
。
# A: N" D* k! R4 O; a针对人脸 合成 图 像
，
% h/ h; T, f6 c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
' C  v1 }9 n4 [& G* d9 E- ^7 x节还 原度
，
, ?- X# n* r" a* n0 A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
致性等方面
! ]" M: {+ P( A& t; X，
4 [" C' s. ^% p  k! W! C! o仍需进
一
5 C" W; V% v7 H8 ~步 研 究和解决
。
1 t# a2 e1 l: A6 ]3 M% g本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
, F9 g7 s0 u" i& [' [- T- }6 U+ ?，
% q& H) R3 B* Z3 o将合 成过程分
8 a1 d2 v! b" K成
了
, d- u& ?8 N6 _+ s) {4 k9 F7 Q, U３
个 阶段
% ^' v* T; [% U2 k( u，
+ w' }# x) O( L7 t首先 是 图 像中 目 标主体 的分割
，
其次是 人脸图 像的合成
3 ^' S2 s) b" J, E) U' {，
: b9 |3 b6 u1 L5 e5 R& j最后 是 图
像的 超分辨和 画质 增强
，
实现 了 人 脸 图像生成算法的 识 别
+ b/ f9 s, O0 B' S8 `，
分离
9 k* K9 J  Z1 Z5 S+ D，
) M5 X: l2 e* p! N* F合成和 画 质 改
/ T. i* K! J7 |6 \( B! A善 的 全过程
。
% E5 L' N! S# l/ e针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
，
1 z5 u$ I0 E3 H) i' F* o1 e4 G+ M9 D: ~' \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
7 o$ @" d; F+ ]  l" u/ M，
主要
工
作 内 容和 创新点 包括
：
6 k7 k5 [5 y& k0 \7 h9 D! I１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
% }; n3 v3 Q- }，
设计 了
一
种快速图 像分割
- v3 Q7 w3 ^0 M; W+ U9 A: R% C算法
，
& B# I' ^# e. a7 B1 W2 p( l该 算 法通过逐层 二分法
- f2 F6 m8 _0 I  u8 K8 g一
. l4 z' N$ r% \* P" a次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
6 G" s: t* x0 S" C7 P9 x，
同 时 由 分割 区 域得 到相 应 的 目 标轮廓
。
" C: e$ r0 ?& {2 F该算 法不同 于传统方法的 先 由 轮廓得
到
1 U% Y$ p1 w3 u  [4 D, `" h连续的 边界
，
再得 到分割 区 域的 做 法
，
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
) ^) D$ N, C! N, R- ]5 C: ^，
减少 了 边缘分 析的计算时 间
- Z. i2 d' l$ k' l，
+ u6 T1 J- d2 h且对 目 标 区 域
进
行分 割 的同 时 即 可得到相 应 的 区域边界
3 o% i- }6 f8 |，
8 R& X! U4 B8 ^6 j" y4 k具备很 好的鲁棒性
。
# f( @) E0 S0 l3 y２ 、
从包含 人脸的 任意 图 像中 截取脸部区 域
，
经过背景 虚化
& A% B8 J$ E' b) g( I4 ?、
9 l4 B9 H% ^" x# g* Y0 j缺失部分 补
: d. F/ n- P7 f! h2 C0 d4 g全
等步 骤
，
3 o& @' \& ]0 s* g9 e基于 生成对抗网 络进行标准人 像 的合成
，
合 成后 的 图像具有 特征点对
. V+ a! G6 `" d) Z4 }$ g3 {齐
( z1 g4 j! N$ W+ X# X( c/ [1 j后 的 人脸位置
，
且脸部 及肩 部
、
上半身 等部 分都具有 统
4 Y' D9 q/ c0 m/ r! Y/ N8 }一
4 P. {  O) e& ]; U的 分 割与合成 效果
。
该
/ r1 W/ M- Z' \( @  J1 N  B方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
# I: \/ y( l/ |! G8 ?4 V4 n9 ^可以 实 现人脸 图 像 的标准
! g3 u9 O4 b" i9 c; d; ^化
9 _3 G$ P1 F7 ~) W# M2 e3 ~，
同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
。
该 算法可以 作为人脸
1 T& s7 S3 ]# g识
别 后 的 处 理步骤
，
处理后 的 人脸图 像 相 比 原 图 像具 有更
) i7 m" e! T% u一
致的 图 像模式和对 齐
% q, z* g$ P; `后 的人脸特征 区 域
，
5 R7 H( d% X# i0 a1 v# G1 E同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
，
有效改 善
现
, u8 i  `; L" c# u) M& y3 Z. `有 人脸识 别 与分割 算法的 效 果
。