[发明专利]一种基于生成式对抗网络的人脸图像修复方法

说明书

本发明公开了一种基于生成式对抗网络的人脸图像修复方法，该方法包括以下步骤：(1)搜集大量含有完整清晰人脸的图像，建立一个人脸图像数据库；(2)构建一种生成式对抗网络；(3)对生成式对抗网络进行训练，优化生成式对抗网络中生成器和鉴别器的参数；(4)将服从正态分布的随机向量输入到已训练好的生成器，生成人脸图像，将待修复人脸图像的完好无损区域与生成图像的相应区域进行对比，不断调整输入向量，直至两者相似，最终将待修复的人脸图像中被遮挡或损坏区域的像素值用生成人脸图像的对应区域的像素值来替换。本发明针对有遮挡或损坏的人脸图像的修复问题，采用具有深度学习结构的生成式对抗网络，有效地解决了图像处理中的图像修复问题。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于生成式对抗网络的人脸图像修复方法。

背景技术

随着电子照相设备的普及，数码照片已经进入人们生活的方方面面，图像处理也因此受到了广泛地关注。图像修复是图像处理中极其重要的部分。图像修复根据图像完好部分的信息，来填补有遮挡、破损或是多余的部分。可用于去除照片的遮挡，修复破损的文物图像，图像数据预处理等领域。

传统的图像修复技术往往需要缺陷部分的形状特定，并且纹理重复简单，这局限了图像修复的应用场景。随着计算机运算能力的提升和算法模型的成熟，深度学习技术在计算机视觉的诸多领域取得了丰硕的成果。蒙特利尔大学的学者Ian Goodfellow于2014年提出“生成式对抗网络”的概念，极大地促进了生成模型的发展，各种演进的模型在近两年应运而生。

生成式对抗网络基本思想源自博弈论，由一个生成器和一个鉴别器构成，通过对抗学习的方式来训练。生成模型捕捉样本数据的分布，判别模型是一个二分类器，判别输入的是真实数据还是生成的样本。通过对大量同类数据的学习，拟合出数据的概率分布，并生成同类型的数据，这与图像修复的目标相契合。

发明内容

本发明针对现有技术的不足提供一种基于生成式对抗网络的人脸图像修复方法，其目的在于克服传统图像修复技术要求待修复部分的形状特定、纹理重复简单的缺点，引入先进的生成式对抗网络概念，实现人脸图像的修复。

本发明采用的技术方案是：

一种基于生成式对抗网络的人脸图像修复方法，包括下列步骤：

步骤A.搜集含有人脸的图像，截取每张图像中的人脸部分，并进行尺度归一化生成k×k像素的人脸图像，从而建立一个人脸图像数据库，其中k取正整数；

步骤B.构建一种生成式对抗网络；

步骤C.以人脸图像数据库中的人脸图像作为训练样本，对生成式对抗网络进行训练，以优化生成式对抗网络中生成器和鉴别器的参数；

步骤D.将服从正态分布的随机向量输入到步骤C中已训练好的生成器，生成人脸图像，将待修复人脸图像的完好无损区域与生成图像的相应区域进行对比，不断调整输入向量，直至两者相似，最终将待修复的人脸图像中被遮挡或损坏区域的像素值用生成人脸图像的对应区域的像素值来替换。

作为本发明一种基于生成式对抗网络的人脸图像修复方法的进一步优选方案，在步骤A中，使用基于深层神经网络的OpenFace人脸检测方法，截取每张图像中的人脸部分。

作为本发明一种基于生成式对抗网络的人脸图像修复方法的进一步优选方案，在步骤B中，构建的生成式对抗网络包括1个生成器G和1个鉴别器D，生成器的输出与鉴别器的输入相连，鉴别器的判别结果再反馈至生成器；