一种基于人脸部位先验的人脸图像复原方法技术

本发明专利技术提供一种基于人脸部位先验的人脸图像复原方法，具体包括高质量人脸部位先验模块、低质量人脸部位映射模块和输出模块，该基于人脸部位先验的人脸图像复原方法，通过训练构建各个部位的先验网络，给定一张低质量人脸图像获得三个部位子图像，分别通过各自编码器映射到各个部位对应的高质量特征z空间，随后通过部位先验网络获得复原后部位结果，将各个复原后部位还原到整体人脸图像中，获得最终复原后结果，适用于真实场景下低质量人脸图像的高质量复原。高质量复原。高质量复原。

【技术实现步骤摘要】
一种基于人脸部位先验的人脸图像复原方法


[0001]本专利技术属于图像复原
，特别涉及一种基于人脸部位先验的人脸图像复原方法。

技术介绍

[0002]图像作为信息的载体在日常生活中越来越重要，而人脸图像在图像中占据较大的比例，发挥着重要作用，随着拍照设备和技术的提升，人脸图像质量也越来越清晰，然而低质量的人脸图像由于拍摄设备老旧以及拍摄环境的不稳定性，很容易造成模糊等影响视觉观感，从而导致人脸识别等后续任务的失败，真实低质量的人脸图像，例如老照片，由于其退化类型复杂，现有的技术无法完全模拟退化过程，从而导致以数据驱动的神经网络无法很好地学到高质量复原映射，现有方法通常使用编码器和解码器训练复原模型，然而由于真实退化情况难以模拟，现有方法对于未见过的退化类型通常无法有效复原，无法将退化类型多样且复杂的低质量人脸图像准确地映射到高质量人脸特征空间，导致复原结果容易改变人脸结构，以及受限于移动端等计算能力，无法处理超高清人脸图像复原，此外由于训练复杂，容易导致复原结果不真实，为此，本专利技术提出一种基于人脸部位先验的人脸图像复原方法。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸部位先验的人脸图像复原方法，其特征在于，具体包括：高质量人脸部位先验模块，每个人脸显著性部位由StyleGAN网络结构组成，输入随机噪声z，经训练后分别输出高质量部位图像，获得各个部位先验网络；低质量人脸部位映射模块，由三个低质量部位编码器组成，用来将给定的任意退化类型的低质量人脸图像的各个部位图像，分别映射到各自部位的高质量特征z空间，获得各个低质量部位对应的高质量部位的z空间特征；输出模块，用来将复原后的各个部位融合，获得复原后的人脸图像。2.根据权利要求1所述的一种基于人脸部位先验的人脸图像复原方法，其特征在于：所述高质量人脸部位先验模块构建过程如下：
①
：输入1*P的随机噪声z，经过Q层全连接层，获得人脸显著性部位特征；其中P和Q均为大于1的整数；
②
：输入的1*P维固定常量以及人脸显著性部位风格特征，进行第1次调制卷积，嵌入可学习权重噪声，激活函数，获得人脸显著性部位特征；
③
：对人脸显著性部位特征，经过卷积、激活函数，获得人脸显著性部位图像；
④
：对人脸显著性部位特征以及人脸显著性部位风格特征，经过调制卷积，嵌入可学习权重噪声，激活函数，获得人脸显著性部位特征，返回
③
；
⑤
：循环进行
③
和
④
九次，获得的人脸显著性部位图像作为最终输出人脸显著性部位图像。3.根据权利要求2所述的一种基于人脸部位先验的人脸图像复原方法，其特征在于：所有的激活操作均为FusedLeakyReLU函数，所有的卷积操作均为3*3，步长为1的卷积操作。4.根据权利要求1所述的一种基于人脸部位先验的人脸图像复原方法，其特征在于：所述低质量人脸部位映射模块的构建过程包括：输入一张低质量人脸图像，获得人脸显著性区域；将低质量人脸显著性区域依次经过八次卷积、归一化、激活操作，及第一次全连...

【专利技术属性】
技术研发人员：斯小明，
申请(专利权)人：武汉明捷科技有限责任公司，
类型：发明
国别省市：