一种盲脸复原方法及系统技术方案

本发明专利技术公开了一种盲脸复原方法及系统，包括：采集盲脸数据集，利用拉普拉斯梯度评价盲脸数据集的质量，并移除模糊和非人脸的图像；对盲脸数据集进行增强图像数据，随机分配得到训练集和测试集；构建AFFNet网络；将训练集的图像输入至AFFNet网络中，联合重建损失函数、感知损失函数、样式损失函数和对抗性损失函数对AFFNet网络进行训练，并利用SGD优化算法训练和优化AFFNet网络，得到最优的盲脸复原模型；将测试集的图像输入至最优的盲脸复原模型，并进行匹配和选择，得到准确度最高的图像作为最终检索的结果。通过上述方案，本发明专利技术具有逻辑简单、准确可靠等优点，在图像处理技术领域具有很高的实用价值和推广价值。

【技术实现步骤摘要】
一种盲脸复原方法及系统
本专利技术涉及图像处理
，尤其是一种盲脸复原方法及系统。
技术介绍
本文所述的盲脸复原是将低质量退化图像（噪声、伪影和模糊及其组合）复原成清晰的高质量图像。近年来人脸图像的获取和共享取得了极大的进步，一方面，随着图像采集和显示技术的发展，越来越多高质量（HQ）的视觉媒体应运而生。另一方面，由于采集设备的多样性、环境和物体运动的影响，退化图像和视频仍然普遍存在。因此，如何从这些退化图像中复原成清晰的高质量图像，一直是计算机视觉领域的一个有价值的研究课题。高质量人脸图像在娱乐、监控和人机交互等应用中起着非常重要的作用，使得人脸复原成为多功能视觉系统的迫切需求。目前，现有技术中的GFRNet是基于单样本图像的人脸复原的常规方法，但是，当指导图像和退化图像的姿态和表情不同时，清晰度明显会下降。另外，GFRNet使用直接级联来融合退化特征和曲线特征，其受限于单一的环境状态，并且对未知退化过程的低质量（LQ）图像的泛化能力较差。GFRNet不能较好地从指导图像中重建更多人脸的纹理细节，也不能完全去除退化图像的噪声和伪影本文档来自技高网...

【技术保护点】
1.一种盲脸复原方法，其特征在于，包括以下步骤：/n采集盲脸数据集，利用拉普拉斯梯度评价盲脸数据集的质量，并移除模糊和非人脸的图像；对盲脸数据集进行增强图像数据，随机分配得到训练集和测试集；/n构建AFFNet网络；/n将训练集的图像输入至AFFNet网络中，联合重建损失函数、感知损失函数、样式损失函数和对抗性损失函数对AFFNet网络进行训练，并利用SGD优化算法训练和优化AFFNet网络，得到最优的盲脸复原模型；/n将测试集的图像输入至最优的盲脸复原模型，并进行匹配和选择，得到准确度最高的图像作为最终检索的结果。/n

【技术特征摘要】
1.一种盲脸复原方法，其特征在于，包括以下步骤：
采集盲脸数据集，利用拉普拉斯梯度评价盲脸数据集的质量，并移除模糊和非人脸的图像；对盲脸数据集进行增强图像数据，随机分配得到训练集和测试集；
构建AFFNet网络；
将训练集的图像输入至AFFNet网络中，联合重建损失函数、感知损失函数、样式损失函数和对抗性损失函数对AFFNet网络进行训练，并利用SGD优化算法训练和优化AFFNet网络，得到最优的盲脸复原模型；
将测试集的图像输入至最优的盲脸复原模型，并进行匹配和选择，得到准确度最高的图像作为最终检索的结果。


2.根据权利要求1所述的一种盲脸复原方法，其特征在于，对盲脸数据集进行增强图像数据，包括对盲脸数据集的图像进随机裁剪、水平翻转和色度变换。


3.根据权利要求1所述的一种盲脸复原方法，其特征在于，所述盲脸复原模型的表达式为：



其中，表示退化的人脸图像，表示退化图像的特征，是退化图像的关键点，表示指导图像的关键点，表示关键点的数目，表示一个参数，k[0,]，表示模型参数。


4.根据权利要求3所述的一种盲脸复原方法，其特征在于，还包括采用对盲脸数据进行退化模型处理，其表达式为：

其中，表示卷积运算，K表示模糊核，表示双三次下采样器，表示具有噪声级的高斯噪声，JPEGq表示具有质量因子q的JPEG压缩。


5.根据权利要求4所述的一种盲脸复原方法，其特征在于，所述AFFNet网络采用加权最小二乘法WLS模型，从盲脸数据集中选取最优的指导图像，并利用移动最小二乘法和自适应实例归一化在特征空间对指导图像进行空间校准和光照平移，利用自适应空间特征融合指导图像的曲线特征和退化图像的复原特征。


6.根据权利要求5所述的一种盲脸复原方法，其特征在于，所述加权最小二乘法WLS模型采用最小加权仿射距离从盲脸数据集中选取最优的指导图像，其表达式为：



其中，Da(Ld,)表示仿射距离；wm表示第m个关键点的权重；和分别表示退化图像的第m个关键点和第k个指导图像的第m个关键点；是的齐次；W表示关键点权重向量w的对角矩阵；表示矩阵的行列互换。


7.根据权利要求6所述的一种盲脸复原方法，其特征在于，利用表示退化的人脸图像初始化关键点的权重，寻找指导图像向前传播中的最优的指导图像，利用后向传播算法更新关键点的权重，关键点的权重表达式为：

其中，表示指导图像的仿射距离。


8.根据权利要求7所述的一种盲脸复原方法，其特征在于，利用移动最小二乘法和自适应实例归一化在特征空间对指导图像进行空间校准和光照平移，包括以下步骤：
所述指导图像的仿射矩阵Mp的表达式为：



其中，Lg表示最优指导图像关键点；Ld表示退化图像的关键点；是的齐次表示；p是退化图像的坐标，p=(x,y)；
通过双线性插值得到指导图像的曲线特征，其表达式为：



其中，(x,y)表示退化图像的一个坐标；表示指导图像的一个坐标；是(...

【专利技术属性】
技术研发人员：闫超，卢丽，黄俊洁，
申请(专利权)人：成都东方天呈智能科技有限公司，
类型：发明
国别省市：四川;51