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[size=23.1695pt]在人[size=23.4187pt]像合[size=23.6678pt]成[size=19.6817pt]中 [size=21.1765pt]的[size=23.4187pt]研究[size=20.9273pt]与[size=22.4221pt]应[size=19.9308pt]用

% ^" Q+ f# K2 a* h" @随着 近十多 年来各 种 电子设备 计算 能 力 的 快速发展
，
尤 其是 基 于通用 图
形
( b) J9 {$ D* [) s" |# v处理器 的并行计算技 术的快速发展
0 p2 C$ i4 M  d5 U/ j# u，
+ @" l# a2 W+ _0 Z3 A机器学习 领域获得 了 快速的进 步
。
; }9 t# G5 K! A  g随着 基于
( [6 R9 {. Q  c5 X) d3 w3 L: W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
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
% G/ j5 _5 g# f9 b4 m6 [，
尤 其是 ２ ０ １ ６
6 P4 z: m% j& g年 以来
，
, Q- R: ?8 I% K$ v+ |7 q  W: w基于 生成对 抗网 络的 图像处理方法
+ B9 \* A0 B! `，
在传 统 的 图像识别
1 b1 k% F/ P4 I0 V! I，
0 t7 p' _6 {. P6 [0 _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
，
1 d/ b7 _; k5 Y0 C3 r5 b% ?但 图像合成过程中 仍存在算法
& h0 t: l9 e+ V" y结
, |7 R; m8 z* \. w* j5 V7 G; C果不 容 易 收 敛
8 i% e5 V7 _; l+ a/ l( Z6 M，
计算量大
，
优化速度慢
，
4 I7 F3 _. k2 i$ J+ ^图 像劣化 等 问 题
。
针对人脸 合成 图 像
% e* ^7 M& d+ Y8 c% ^, r，
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
( N2 q& ~  E4 `$ r% X' ^: h9 f' Y5 n节还 原度
，
$ `  p0 K7 T2 s/ ~) ]. 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
7 e( G$ n2 F! ]( d，
7 m0 {, y. Q2 }6 w4 U仍需进
一
步 研 究和解决
。
, y7 p6 A' L0 {本文 主 要研 宄 了 基 于生成对抗 网络 的 人脸 图 像合成算法
，
将合 成过程分
成
了
３
# M6 j% g6 y$ y个 阶段
，
  i9 r! k& [5 Y( d! I首先 是 图 像中 目 标主体 的分割
，
; P( Q/ x3 G- Q) I其次是 人脸图 像的合成
，
% a+ l9 M0 l0 A1 |9 n最后 是 图
/ t! K( X6 d* I' I9 X像的 超分辨和 画质 增强
，
/ R. u) x  d, O% w" [+ e实现 了 人 脸 图像生成算法的 识 别
，
1 R: U1 ^; l5 w: D# Y8 q! |分离
，
7 S: [  |* O. G9 s& i' M合成和 画 质 改
$ C& E* \3 z& K9 \善 的 全过程
6 ~0 p# f& _: I。
针对 目 前 图像合成及人脸合成研究中 存在 的 问 题
+ v9 B% |$ ?2 l，
9 }9 M9 ~1 b: ^6 e3 M- _本文 主要解决
% D5 Y' q# l: K. r9 S$ v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
，
' @$ |; q: I& ]主要
' `) j/ Q! m. f. x! c/ |工
作 内 容和 创新点 包括
& T2 |: ?' m( ~：
) C+ ]; |4 F. g4 X" S１ 、
基于颜色统计信 息的 高斯混合模 型分类算法
，
设计 了
# R; D& y$ u; @8 m, N一
种快速图 像分割
/ `/ v/ n/ J* ~0 o: K) Y算法
，
7 ]& b" ?/ t( C. {该 算 法通过逐层 二分法
% p# g- V) B1 Z/ R一
次性的 将图 像分割 为基于 颜色分布 的 目 标 区 域
0 I, i" W" i1 s: a( r/ }，
同 时 由 分割 区 域得 到相 应 的 目 标轮廓
$ n* \1 h0 K* g3 q# J- d4 [。
该算 法不同 于传统方法的 先 由 轮廓得
! _! D* u5 B0 H6 m0 v到
连续的 边界
  Y! z2 L+ \( P/ E，
8 X8 \5 x! Y1 [$ d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
3 Z7 R% ^$ o6 r& {6 z! H7 f& ]4 _形态学特征进行 目 标 区域 的划 分
，
& _* f2 K; n+ a减少 了 边缘分 析的计算时 间
，
. y) g8 F! L' {; h且对 目 标 区 域
8 C& n8 X+ k8 k, v- H  Q进
行分 割 的同 时 即 可得到相 应 的 区域边界
: M9 a' B, Y( W/ N9 H3 `# x，
; c1 ^; o7 Y7 ]: u9 D5 s0 G  E- T具备很 好的鲁棒性
! b& s" `: F# \+ f( j。
２ 、
; h7 G& D0 C) x& d从包含 人脸的 任意 图 像中 截取脸部区 域
，
7 W6 L$ c: L* U$ {% }, f经过背景 虚化
、
缺失部分 补
全
* q- U) w* W; L; R等步 骤
. ?9 n& X7 O% L/ \" _. C，
( t: Z. G1 e0 r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
齐
后 的 人脸位置
，
且脸部 及肩 部
、
+ m+ `5 G! q8 A上半身 等部 分都具有 统
一
的 分 割与合成 效果
& ~- @7 N  J  y& w6 `: `。
+ h, K: R- }9 M& x* w. N3 F: I: S该
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
2 Z; n( V* r9 U# g' Y# f7 U化
，
8 j5 [3 A" ?! N$ V同时 最大 限度 的 保 留 原 图 像中 人脸的身份特征信 息
。
- I# g2 x7 Q/ T' S7 n该 算法可以 作为人脸
识
别 后 的 处 理步骤
，
处理后 的 人脸图 像 相 比 原 图 像具 有更
一
3 O; q0 @5 q5 K2 v' W' v致的 图 像模式和对 齐
! l" f7 J8 R' }$ W- L1 n后 的人脸特征 区 域
，
5 ]5 B5 Q& G1 i+ t$ y7 B, j0 r同时 该算 法也 可 以 作为 人脸数据 的前 处理步骤
4 r% u/ s5 ^9 D9 b  W，
6 K- @; C! l/ f" @* d; s7 u有效改 善
/ i, I) ^: {% c- @" _1 F现
+ P$ X: z6 x8 o. s有 人脸识 别 与分割 算法的 效 果
。
３ 、
最 后本 文提 出 了
一
* ]. @/ Q1 L' o  G# |/ v! r种 针对人脸 图像进行优化 的 超分辨算 法
，
相 比 于现有
$ W, K2 H' y5 t( L" G& e的 图 像超分辨算法
/ ?7 ]! {) S) z4 e! [6 O，
该算 法在图 像 的超分辨合成过程中
，
在关注合成 图像的 质 量
8 B4 c  j' U* @Ｉ摘 要
和更加 细致 自 然细 节 的 同 时
，
# F; A) F9 h/ |# n1 H5 K4 L更加 关 注得到清 晰 的人脸 图 像 以及 与原 图
一
致
. b5 V9 D* K4 I的
# N1 K' y9 v, d9 q/ v2 T7 i5 {人脸身 份信 息
% H# u) H# C2 h, W" ]。
4 O5 d2 X- @3 e2 I算法通过引 入 生成对抗 网络和残差 网 络
+ O! J  G7 `# z. W$ w' I! V，
实现 了 上 述 目 标
8 j3 Z! b: Z) Y; X' U/ t，
+ E: {  `0 J! e% x) I+ T可
: l$ Z- ^! Q) v2 ]+ o/ c6 r以
2 ]; L$ N8 |- R$ R/ g3 \0 A实 现图像 的 ４ 倍甚至 ８
倍的 放大
) L. s- Q9 J5 m，
8 m* J, p1 y4 U6 F. |) W将模糊 的 图 像合成为 具有 较高清 晰 度 和丰 富
: p$ l% G% g! h+ W; F  x人脸信 息 的 高分辨率图像
. k& L$ O) K" w，
: Y" s4 h0 p- e7 V; R( R# J' K同 时算 法具有很好的适应性 和 鲁棒 性
，
对于 不 同数 据
8 Q1 D$ I7 g9 I/ G) M& N  C" g库 中 的 人脸 图 像样 本都具 有 很 好 的合 成效果
' g" m' w5 B( u( b" \; q。
3 j4 E5 {4 ^4 z0 O- G. m$ g该 算法采用 了
一
种 端 到 端的 灵
活
; s$ E/ y3 Z+ u; n% d8 y" \的层叠式结构
，
可 以适应 不 同 的算 法调整 目 标和 图 像 合成要求
# r1 x. Z! i% c; ~1 x! @: R7 V。
! T- j4 Z2 m, ?  r& f４ 、
本 文在人 脸合成 图像的 对 比过程中
，
提 出 了 使用 Ｆ Ｉ
/ O2 [. V: ^/ b! }2 q9 rＤ （ Ｆｒ６ｃｈｅｔ Ｉ ｎｃｅｐｔｉ
+ V# O- Q4 h7 l0 o  m7 V4 Sｏｎ
' ~( S) F7 U' w7 X6 K# T/ k8 p6 kＤ
* ^; ~8 x: B1 a* h' Aｉ ｓ ｔａｎｃｅ ）
代替 以往 的
ＰＳＮＲ
% _6 Y3 w' T& H/ O（ Ｐｅａｋ
+ w" g. C- ?0 I. JＳ
ｉ
: _) I0 E6 X) Oｇｎａ
ｌ
5 F' s; g% T3 p' F9 j－
ｔｏ
! ^! O3 m$ {! t9 H3 z－
Ｎｏ
ｉ ｓｅ Ｒａｔｉ
ｏ
) N% n6 E7 J) ]+ F9 G$ ?) E' z6 w）
和
, G- \1 i$ q( d0 E/ x5 ^Ｓ ＳＩ
3 Q+ `2 u- f7 a8 [  {) N* JＭ
（ ｓｔｒｕｃｔｕｒａ
ｌ ｓｉ
ｍ
. o* B$ [7 h% O" k' _－
6 j/ U$ m, Y+ U% F+ a+ Uｉ ｌ
5 x& w5 N% E% T  H+ |" Bａｒｉ ｔｙ
0 N$ L8 k/ n; G5 K8 m1 hｉ
ｎｄｅｘ ）
) X: X: B# e8 Z5 w" I参数作 为人脸 图 像合成 以及超分 辨算法的评价依据
，
7 \$ V# \6 \1 a: j. l因 为 ＦＩ
Ｄ 值能
, F4 T; s7 I$ b, }; t+ ?够更加 准确 的表达 图 像对于 人脸信 息 的保 留 情况
，
6 W7 L2 y  o4 r同 时通过全局 特征 信 息 的统
' _0 E" V1 S7 o* t$ y6 R* l/ }2 P: E! {计得到 图像整 体的合 成效果 与 原图像的对 比
' f) \# |" j# D: _。
- A8 J+ c/ s" V$ _  PＰ ＳＮＲ 和
" V. q- Q& S( ^3 u) Y7 i1 \ＳＳＩ
& B+ ^% ?+ ]/ o, oＭ 则作为 图 像局 部细
节特征 的评价标准更适用 于评价 图像本身 的清 晰度
，
细节质量等局部信 息
2 Y. }4 a$ _/ q$ ~) \7 A。
: e+ @3 R1 ~8 b6 K( S通
) C! l8 s2 W3 P过
+ C, r+ T9 U- i: z0 J: E三者 的结合
，
可 以 更好的评价合成人脸 图像 的 清晰 度 以 及合成 质 量
，
6 Z) A* g% y8 s同时 评价
$ p6 {' l! u7 t9 q& ?; k  S0 N合
# e1 @2 @* `& s. d成后 的 图像 与 输入 图 像相 比
，
其 中 的人物身 份特征是 否能 够得 到更好 的 保留
& p( \) W& B3 o  K

3 W) o) }: r, V
3 V+ e5 o8 ~3 @! x- d1 i# D1 W