基于双重判别生成对抗网络的人脸图像超分辨率方法及系统技术方案

本发明专利技术公开了一种基于双重判别生成对抗网络的人脸图像超分辨率方法及装置，属于人脸图像超分辨率领域，该方法包括：首先，生成对抗网络通过将残差学习和密集连接学习结合，构造密集

【技术实现步骤摘要】
基于双重判别生成对抗网络的人脸图像超分辨率方法及系统


[0001]本专利技术属于人脸图像超分辨率
，更具体地，涉及一种基于双 重判别生成对抗网络的人脸图像超分辨率方法及装置。

技术介绍

[0002]人脸超分辨率(Super
‑
Resolution，SR)是一种从输入的低分辨率(LowResolution，LR)人脸图像中推断出潜在的高分辨率(High Resolution，HR) 图像的技术，可以显著增强LR人脸图像的细节信息。因此，它被广泛应用 于人脸识别、娱乐等领域。
[0003]虽然人脸SR也被归类为自然图像SR，但是大多数基于深度学习SR 方法的自然图像都不适合这种情况。由于人脸结构有许多不同于自然图像 的先验知识，自然图像SR方法不能充分利用人脸图像唯一的先验信息，这 使得人脸SR任务不同于一般的自然图像SR问题。近年来，人脸先验在现 有的人脸SR算法中得到了广泛的应用。例如：Song提出了一种基于分量 生成和增强学习的幻觉人脸图像算法(Learning to hallucinate face imag本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双重判别生成对抗网络的人脸图像超分辨率方法，其特征在于，包括：(1)由生成对抗网络通过将残差学习和密集连接学习结合，构造密集
‑
残差网络；(2)在判别网络中增加局部判别器，以判断图片的真假，其中，局部判别器和全局判别器共用部分网络结构；(3)将生成对抗网络和判别网络的损失函数进行融合。2.根据权利要求1所述的方法，其特征在于，步骤(1)包括：使用融合了多层残差网络和密集连接网络的RRDB网络单元替换生成对抗网络中的BN网络单元，构造密集
‑
残差网络。3.根据权利要求2所述的方法，其特征在于，步骤(2)包括：由全局判别器从整体上区分真实的高分辨率人脸图像和密集
‑
残差网络G生成的人脸图像；通过局部判别器从局部上区分G生成的人脸图像和真实的高分辨率人脸图像；使用全局判别器估计真实的高分辨率人脸图像比密集
‑
残差网络G生成的人脸图像更真实的概率，并通过全局判别器和局部判别器的联合损失以约束密集
‑
残差网络G合成一个比真实的高分辨率人脸图像更真实的假图像。4.根据权利要求3所述的方法，其特征在于，全局判别器和局部判别器均包括N组由卷积层
‑
谱归一化层
‑
激活函数构成的网络结构，且全局判别器和局部判别器中N的数值不同，对于全局判别器，使用了带有最小开方损失的相对判别器。5.根据权利要求4所述的方法，其特征在于，步骤(3)包括：生成对抗网络中基于像素域损失函数用于在像素域空间约束超分辨率图像与原始高分辨率图像的差异；判别网络中的感知损失函数用于约束生成网络中超分辨率图像在特征域空间的差异；对抗损失函数用于约束生成网络和对抗网络的对抗学习。6.一种基于双重判别生成对抗网络的...

【专利技术属性】
技术研发人员：卢涛，张达闻，汪慧，张彦铎，方稳华，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：