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

5 H/ l% k/ C( ?8 G

在人像合成中 的研究与应用

7 l4 C( ~5 M8 G0 I

随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
  n) `) q) _. f% y6 ]( |，
9 W6 u4 H1 D) F1 E" m5 M尤 其是 基 于通用 图
形
% m6 m$ [$ P( Y' e) u: I处理器 的并行计算技 术的快速发展
% n$ K9 ]" f4 R/ h，
0 b! J$ @4 g2 i8 [0 x5 [* l机器学习 领域获得 了 快速的进 步
。
随着 基于
& B7 g' ^3 I' |8 q0 t& u6 D卷 积神 经网 络的深度 学 习 方法的 出 现
* b) r& ]$ z3 k+ r8 N3 G! O，
．
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
6 g8 I$ z8 G3 m) W，
尤 其是 ２ ０ １ ６
) L* h: e: U' e$ W年 以来
，
基于 生成对 抗网 络的 图像处理方法
6 I# }  u2 k- l- _% a，
+ O$ X( J' o7 _1 t/ c在传 统 的 图像识别
，
图像增强 和 图像分 割等
4 z! y* T! O3 l1 |# v- w9 B领域之外
6 z* Q6 l! a2 ]6 n4 |，
+ k# X( R4 o5 ?- ~2 r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
) D, C0 M9 K; a# F) x' o- g果不 容 易 收 敛
，
6 R+ B* E" ]$ O: S* I计算量大
，
: B: ~0 v) F- k* H9 D优化速度慢
  x. X" o5 [/ ?  X; |& i$ I，
图 像劣化 等 问 题
。
: N* _6 u% h7 A2 ^" a7 I' `7 Z: S针对人脸 合成 图 像
，
9 ?* J! G! N0 U; m9 q5 k) P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
9 U6 C- [9 o- f- N% O节还 原度
" [9 X3 T. n9 R  {- ^6 k+ }3 x，
5 R0 X6 \% H4 v4 t1 A9 K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
( r# m1 J1 @2 H9 d- P" d& G. Q致性等方面
，
8 c3 e* p0 v; {) G& z4 u( b仍需进
" E& u$ J7 I. Q3 k' |- y# ^一
步 研 究和解决
( ^* D( ?5 G7 I' k9 X。
& v% o3 C+ V# X; R% |本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
0 E  Q% P- @8 j，
将合 成过程分
成
( g5 C; K( v9 i* R4 _了
３
# k" A( o. c# p7 c个 阶段
/ F' e3 W' Y4 a9 ]/ L4 U" G，
+ G' e& i0 C# r( V# F' t/ m' N- @首先 是 图 像中 目 标主体 的分割
，
9 a# Q/ P2 C. s8 T2 T其次是 人脸图 像的合成
，
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
，
分离
，
合成和 画 质 改
0 |3 m& [- l" U4 _: Z: k0 ~, N善 的 全过程
+ H' [0 ]! ~( H' v* R。
  r' N6 j% U1 r% l针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
，
2 z$ R( G. o5 e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
/ y8 o" X* u5 T8 M% U，
2 Z/ d& K5 f2 d1 J主要
工
作 内 容和 创新点 包括
：
１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
，
9 X3 U6 a3 g% K7 q6 M1 V1 `# R7 Y设计 了
0 X4 K% n# m# Q一
种快速图 像分割
# o5 q2 l1 p5 L) |% W/ z+ F+ l算法
7 Q! W. L8 K0 g( P$ \，
该 算 法通过逐层 二分法
一
次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
，
. U) r6 O1 g& U: u$ Y同 时 由 分割 区 域得 到相 应 的 目 标轮廓
。
8 X) A! P/ H9 {$ b该算 法不同 于传统方法的 先 由 轮廓得
9 Q8 L% Z* W0 p9 j到
. H/ b% |- N8 I: q* V连续的 边界
，
再得 到分割 区 域的 做 法
& k) T0 Z) W3 D，
0 b8 y2 q2 Y% h9 J: k0 o1 b& E而 是 直接基于 颜色 统计信 息和像素分 布
% r8 f3 S+ D9 t# }# ^的
: I0 X6 m5 q$ p& f2 E+ p; D形态学特征进行 目 标 区域 的划 分
( B  l$ {) W* B( w/ C" k，
减少 了 边缘分 析的计算时 间
( ^9 I0 q, G9 _- Y/ V9 V# q/ v，
且对 目 标 区 域
进
行分 割 的同 时 即 可得到相 应 的 区域边界
6 m  V  c% A) Z3 ?% W, z; X，
8 E6 E* j( r- {" P4 @具备很 好的鲁棒性
。
6 ]6 r/ e+ ^7 n' f3 p8 R; D! M: i3 Q0 A２ 、
8 C+ R  F- ?1 u" K从包含 人脸的 任意 图 像中 截取脸部区 域
，
/ }" D1 X$ M' R. d经过背景 虚化
、
缺失部分 补
全
等步 骤
，
6 l: w' |3 p, L( x+ T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
2 ?* q( W: [! C  c4 f% f齐
后 的 人脸位置
，
且脸部 及肩 部
、
上半身 等部 分都具有 统
- y; Q5 t+ ]' k! S) {- z6 d3 j一
- J( @) }# r1 T! D4 M8 W的 分 割与合成 效果
。
该
* l. j5 _5 x) ], R. y/ u- c# P; L方法处 理得 到 的 包含人脸主 要特征信 息 的半身 图 像
，
可以 实 现人脸 图 像 的标准
. |- F+ J1 Z( h$ N" l) D) S化
7 T2 p" T7 ~: A4 J4 x1 n，
2 y! B6 l/ f" }0 \5 l* m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
识
别 后 的 处 理步骤
  h' @) C. _  h9 P% z，
4 F' b, T; |6 c- V: C( R3 l( q处理后 的 人脸图 像 相 比 原 图 像具 有更
一
( J' f: }; _' G: M致的 图 像模式和对 齐
( m0 ?# r5 i% S; ?! S' I后 的人脸特征 区 域
( Q7 a2 n! H' S! Y，
同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
% u! S1 W; M& e0 K  k，
有效改 善
现
有 人脸识 别 与分割 算法的 效 果
8 x" z# t/ w3 }  E7 e; W。

( K) A. _/ m9 S- w6 o, N/ \+ u