一种基于结构先验的人脸图像超分辨率方法
专利汇可以提供一种基于结构先验的人脸图像超分辨率方法专利检索，专利查询，专利分析的服务。并且本 发明 公开基于结构先验的人脸图像超 分辨率 方法，包括：将人脸图像数据集的图像数据预处理，得到 训练数据 集与测试数据集；通过计算生成网络生成的人脸图像与真实的人脸图像之间的结构先验损失，能够使得生成的人脸图像保持拓扑结构的合理性。训练包括生成网络与判别网络的模型，生成网络包括16个残差 块 ，得到能对低分辨率人脸图像进行超分到高分辨人脸图像的人脸图像超分模型；使用训练好的人脸图像超分模型，对测试数据集中的低分辨率图像超分处理，测试训练好的人脸图像超分模型的超分性能。本发明能显著的提高生成的高分辨率图像的视觉 质量 。，下面是一种基于结构先验的人脸图像超分辨率方法专利的具体信息内容。
1.一种基于结构先验的人脸图像超分辨率方法，其特征在于，包括步骤：
S1.将人脸图像数据集中的图像预处理，得到训练数据集与测试数据集：
S2.使用训练数据集训练模型，得到能对低分辨率人脸图像进行超分到高分辨人脸图像的人脸图像超分模型，包括一个生成网络、一个人脸parsing图生成网络和一个判别网络；生成网络包含16个残差块；人脸parsing图生成网络为BiSeNet网络；
利用低分辨率人脸图像作为模型的输入，使用相应的高分辨率图像作为监督，训练模型中的生成网络；
将目标高分辨率人脸图像和生成网络所生成的高分辨率人脸图像输入到判别网络中，由判别网络判断出输入图像的真假，模型迭代多次达到稳定后完成模型的训练；
将目标高分辨人脸图像和生成网络所生成的高分辨率人脸图像输入到人脸paring图生成网络中，分别得到目标高分辨率人脸图像的parsing图和生成人脸图像的parsing图；
约束两种parsing图的欧式距离，使得生成的人脸图像的五官位置符合目标要求；
S3.使用训练好的人脸图像超分模型，超分测试数据集中的低分辨率图像，测试该人脸图像超分模型的超分性能。
2.根据权利要求1所述基于结构先验的人脸图像超分辨率方法，其特征在于，所述的BiSeNet网络包含两个支路：空间支路和内容之路；空间支路包含三个卷积层，来获得1/8的特征图大小；内容之路的Xception末尾添加一个全局池化层，使得网络的感受野最大。
3.根据权利要求1所述的基于结构先验的人脸图像超分辨率方法，其特征在于，步骤S2包括：
S21.使用标准高斯分布随机初始化生成网络和判别网络的权重参数，其中生成网络的重建损失函数为L2，结构先验损失为Lprior，对抗损失函数为 判别网络的损失函数为S22.将低分辨率人脸图像输入到生成网络中，生成网络输出与目标高分辨率人脸图像大小一致的生成图像，将生成图像作为判别网络的输入，依次迭代使对抗损失函数 和损失函数L2均降低至趋于稳定；
S23.将目标高分辨率人脸图像和生成图像输入到人脸parsing图生成网络中，分别得到对应的parsing图；计算这两种parsing图之间的欧式距离，使得生成的人脸图像拓扑结构符合目标要求；
S24.判别网络输入为生成网络生成的高分辨率人脸图像和目标高分辨率人脸图像，判别网络判断输入图像真假，计算损失函数 该损失函数 只用于更新判别网络参数；
S25.交替训练生成网络和判别网络，直到所有损失函数不再降低，得到最终人脸图像超分模型。
4.根据权利要求3所述的基于结构先验的人脸图像超分辨率方法，其特征在于，所述生成网络的目标函数如下：
其中，λ1，λ2，λ3为平衡因子，用于调整各个损失函数所占的权重；
所述判别网络的目标函数为
5.根据权利要求3所述的基于结构先验的人脸图像超分辨率方法，其特征在于，所述生成网络的重建损失函数为：
其中x，y分别为从低分辨图像集X和高分辨率图像集Y中采样出来的低分辨率人脸图像和对应的高分辨率人脸图像，E(*)表示取平均操作， 表示L2范数，Fgenerator为生成网络对应的映射函数。
6.根据权利要求3所述的基于结构先验的人脸图像超分辨率方法，其特征在于，所述生成网络的对抗损失函数为：
其中，E(*)表示取平均操作，x～P(X)表示低分辨率图像从P(X)中采样取得，D(*)表示判别网络的映射函数，G(x)表示生成网络生成的高分辨率人脸图像。
7.根据权利要求3所述的基于结构先验的人脸图像超分辨率方法，其特征在于，所述结构先验损失函数为：
其中，其中x，y分别为从低分辨图像集X和高分辨率图像集Y中采样出来的低分辨率人脸图像和对应的高分辨率人脸图像，E(*)表示取平均操作， 表示L2范数，Fgenerator为生成网络对应的映射函数。Φ为人脸parsing图生成网络对应的映射函数。
8.根据权利要求3所述的基于结构先验的人脸图像超分辨率方法，其特征在于，所述判别网络的目标函数为：
其中，E(*)表示取平均操作，y～P(Y)表示目标高分辨率图像从分布P(Y)中采样得到，D(*)表示判别网络的映射函数，x～P(X)表示低分辨率图像从分布P(X)中采样得到，G(x)表示生成网络生成的高分辨率图像。
9.根据权利要求1所述的基于结构先验的人脸图像超分辨率方法，其特征在于：
所述训练数据集中的图像对为[x,y]，其中，x为低分辨率人脸图像，y为目标高分辨率人脸图像，且生成网络的输出为
10.根据权利要求1所述的基于结构先验的人脸图像超分辨率方法，其特征在于，步骤S1包括以下步骤：
以统一对齐裁剪方式裁剪原始的高分辨率人脸图像，只保留人脸区域；使用双线性下采样方法下采样对齐裁剪后的高分辨率人脸图像，得到对应的低分辨人脸图像；对生成的低分-高分人脸图像对进行数据增广，以增加训练数据集中的图像数量；第四，使用LFW人脸数据集作为测试集，用于测试其模型的泛化性能。
一种基于结构先验的人脸图像超分辨率方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| PAT先验信息辅助的基于CNN和自适应EKF的动态FMT重建方法 | 2020-05-08 | 588 |
| 3D面部模型重建装置和方法 | 2020-05-11 | 75 |
| 井字结构光相机系统及进行目标有尺度三维重建的方法 | 2020-05-12 | 775 |
| 一种基于低秩和稀疏约束的地震数据重建方法 | 2020-05-12 | 511 |
| 一种基于单张图片的三维头发重建方法 | 2020-05-11 | 827 |
| 基于压缩感知的OFDM信道跟踪方法 | 2020-05-13 | 371 |
| 基于图论的低秩矩阵恢复三维骨架方法 | 2020-05-11 | 875 |
| 作业型飞行机器人的四自由度机械臂遥操作系统及方法 | 2020-05-13 | 644 |
| 图像处理和神经网络训练方法、装置及计算机设备 | 2020-05-12 | 708 |
| 一种指部多特征全面三维重建方法 | 2020-05-13 | 633 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
