基于单双判别网络的BEGAN人脸图像修复算法研究

发布时间：2021-11-20 12:59

　　在最近几年中,人脸识别技术飞速发展,在进行人脸识别时,由于获取人脸图像时一般都没有约束条件,人的姿态、表情以及光照情况等都具有复杂性,而且有时会存在不同的遮挡状况,这些因素都会影响现有的人脸识别技术,严重妨碍了人脸识别技术的发展。大多数的人脸图像修复方法,需要有被修复对象的原始完整样本为前提,且大多数现有的方法都是仅从单个图像中提取有用信息或以此来生成和已知区域中相似的内容,缺乏局部和全局信息的关联性,修复结果缺乏精细的纹理细节,无法取得令人满意的效果。针对存在的这些问题,论文提出了基于BEGAN（边界平衡生成式对抗网络,Boundary Equilibrium Gnenerative Adversarial Networks）的双判别网络人脸图像修复算法,其中主要研究工作如下:（1）将用于图像生成的BEGAN的网络模型应用到人脸图像修复任务当中,并改进了生成网络的结构。针对人脸图像修复与图像生成任务的差异,对生成网络结构进行了改进,将图像生成任务中的单解码器结构改为编解码结构,完成二维图像到二维图像的映射。改进后的生成网络包含深度编码器和解码器,有利于卷积网络的优化,加快模型的收敛速... 

【文章来源】：燕山大学河北省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

训练流程图

图 2-2 生成器网络结构图2 深度卷积生成式对抗网络的实验结果分析在本文中，使用 CelebA 人脸数据集训练深度卷积生成式对抗(DCGAN)网在不同迭代次数下的实验结果如图 2-3 所示。由图可以看出，在进行了 1 次其生成的人脸图像质量较差，只有粗略的面部轮廓。第 2 次迭代中，人脸明显，可以粗浅的观测到五官结构。在进行了 10 次迭代后，生成的面部图完整，具有相对丰富的细节信息。随着迭代次数的继续增加，在进行第 2，生成的面部图像质量开始下降，图像出现扭曲现象。该实验结果在一定明了，随着迭代次数的增大，DCGAN 算法开始变得不稳定，没办法获取网最优结果。但是，目前此算法也能够用于图像修复中，可以一定程度上提像的质量。

a) 真实图像 b) 遮挡图像c) 第 10 次迭代d) 第 100 次迭代e) 第 500 次迭代图 2-5 基于感知和语境损失的图像语义修复实验结果 Wasserstein 距离Wasserstein 距离[41]，也被称作 Earth-Mover(EM)距离，其作用是用来估测两布之间的距离，具体定义公式如下： ~~, infr gr g x yP PW P P E x y ， ， 中 , r g P P——rP 和gP 组合起来的所有可能的联合分布的集合； x , y ~ ——在 中进行采样，x 表示的是真实样本，y 代表生成数x y——两个数据样本之间的距离； x y ~E x y ， ——全局判别网络的自动编码器1L 损失;lDL ——两个数据样本间距离的期望值； E xy xy ，~ 可以认为是在 这个“指定方向”下，将rP 这堆“泥土”移动

【参考文献】：
期刊论文
[1]生成式对抗网络GAN的研究进展与展望[J]. 王坤峰,苟超,段艳杰,林懿伦,郑心湖,王飞跃.  自动化学报. 2017(03)
[2]非局域样本填充和自适应曲率驱动模型的遥感图像修复算法[J]. 王相海,孙丽,万宇,王爽,陶兢喆.  模式识别与人工智能. 2016(08)
[3]自适应样本块大小的图像修复方法[J]. 孟春芝,何凯,焦青兰.  中国图象图形学报. 2012(03)
[4]一种基于样例的快速图像修复算法[J]. 代仕梅,张红英,曾超.  微型机与应用. 2010(22)
[5]一种基于TV模型的自适应图像修复方法[J]. 邵肖伟,刘政凯,宋璧.  电路与系统学报. 2004(02)

硕士论文
[1]基于HOG特征的人脸识别系统研究[D]. 慕春雷.电子科技大学 2013
[2]大区域图像修补与图像特技制作研究[D]. 张如.北京交通大学 2009



本文编号：3507373