[发明专利]基于对偶生成对抗式网络的人脸图像去模糊和恢复方法

权利要求书

1.基于对偶生成对抗式网络的人脸图像去模糊和恢复方法，其特征在于，包括以下步骤：

步骤一，随机初始化生成器G_A、生成器G_B和判别器D_A、判别器D_B的网络参数；

步骤二，将清晰完整的图像和模糊细节信息缺失的图像分别作为数据集U和数据集V，和随机噪声z和随机噪声z’一起输入网络；

步骤三，生成器G_A由数据集U和随机噪声z生成假数据V’，生成器G_B由数据集V和随机噪声z’生成假数据U’，并对判别器进行优化；

步骤四，对生成器G_A和生成器G_B进行优化；

步骤五，重复步骤二到步骤四，直至目标函数收敛；

步骤六，网络训练完毕后，保存网络模型，将模糊细节信息缺失的图像输入到保存的网络中进行测试；

步骤七，网络输出生成结果并保存。

2.根据权利要求1所述的一种基于对偶生成对抗式网络的人脸图像去模糊和恢复方法，其特征在于，步骤三中，对判别器进行优化的具体方法如下：

第一步，假数据V’和数据集V交由判别器D_A判断真假，优化目标函数，更新参数；

第二步，假数据U’和数据集U交由判别器D_B判断真假，优化目标函数，更新参数；

第三步，根据给定的迭代次数T，重复第一步和第二步，直至判别器优化完成。

3.根据权利要求1所述的一种基于对偶生成对抗式网络的人脸图像去模糊和恢复方法，其特征在于，步骤三中，将100维的高斯随机噪声z和z'分别输入到生成器G_A和生成器G_B，生成器G_A生成假数据V’，生成器G_B生成假数据U’；

从数据集U和数据集V中分别取m个样本u₁，u₂，…，u_k，…，u_m和v₁，v₂，…，v_k，…，v_m，然后最小化目标函数：

判别器的目标函数形式参照Wasserstein距离，形式如下：

其中u∈U，v∈V，u'∈U'，v'∈V'，且u'＝G_A(u,z)，v'＝G_A(v,z')。

4.根据权利要求3所述的一种基于对偶生成对抗式网络的人脸图像去模糊和恢复方法，其特征在于，公式中，使用RMSProp最优化方法来更新网络参数。

5.根据权利要求3所述的一种基于对偶生成对抗式网络的人脸图像去模糊和恢复方法，其特征在于，公式中，使用RMSProp最优化方法来更新网络参数。

6.根据权利要求1所述的一种基于对偶生成对抗式网络的人脸图像去模糊和恢复方法，其特征在于，判别器采用三层卷积网络和一层全连接层，卷积层卷积核大小分别为2×2，2×2，1×1，激活函数选择LReLU函数。