一种结合上下文信息和VGG19的人脸图像修复识别方法技术

本发明专利技术公开一种结合上下文信息和VGG19的人脸图像修复识别方法，涉及图像处理技术领域，拟解决现有人脸残缺修复方法存在的信息丢失、不能高效地解决人脸修复的技术问题；本发明专利技术包括以下步骤：先构建并训练用于人脸修复的生成对抗网络；再将遮挡人脸图像数据集1输入前述训练好的生成对抗网络，得到修复人脸图像数据集2；而后将未遮挡的人脸图像数据集输入VGG19网络，训练用于分类识别的VGG19网络；最好将所得的修复人脸图像数据集2输入到步骤3得到的训练好的VGG19识别模型中，得到最后的对修复图像的识别结果；本发明专利技术将部分标准卷积替换为扩张卷积，有助于扩大修复模型的接受域并结合修复模块与分类识别模块，可以提高残缺人脸图像的识别率。人脸图像的识别率。人脸图像的识别率。

【技术实现步骤摘要】
一种结合上下文信息和VGG19的人脸图像修复识别方法


[0001]本专利技术涉及图像处理
，具体涉及一种结合上下文信息和VGG19的人脸图像修复识别方法。

技术介绍

[0002]图像是一种十分重要和常用的信息载体，其完整性影响我们获取信息的多少。图像修复作为计算机视觉领域中一项重要的研究内容，主要目标是填补图像中缺失的部分，在人脸识别、老照片修复、文物复原等场景中得到了广泛的应用。但由于采集环境的复杂性和采集对象的动态变化性，普遍存在采集到的人脸信息不完整问题，这严重影响了人脸识别的准确性，限制了人脸识别的应用范围。
[0003]关于残缺人脸图像识别方法，分为两类：一是先采用修复方法将残缺图像修复后再进行分类，二是直接对残缺图像进行识别。两类方法还存在进一步发展的空间，寻求一种简单有效的残缺人脸修复方法是当前研究人员所关注的。
[0004]近年来，生成对抗网络(Generate Adversarial Networks,GAN)在图像生成方面展现出优异的效果，在图像修复方面也取得了较大的进展，但仍然存在一些问题需要解决。第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合上下文信息和VGG19的人脸图像修复识别方法，其特征在于，包括以下步骤：步骤1：获取人脸图像数据集0，并对其进行随机遮挡作为遮挡的人脸图像数据集1，再将人脸图像数据集1按比例分为训练样本和测试样本；步骤2：构建用于人脸修复的生成对抗网络并利用步骤1所得训练样本对其进行训练；步骤3：将步骤1所得测试样本输入到步骤2训练好的生成对抗网络中，生成对抗网络输出修复图像作为人脸图像数据集2；步骤4：将步骤1获取的人脸图像数据集0输入到VGG19网络中，训练用于分类识别的VGG19网络得到VGG19识别模型；步骤5：将步骤3中所得的人脸图像数据集2输入到步骤4所得的VGG19识别模型中，得到最后的识别结果。2.根据权利要求1所述的一种结合上下文信息和VGG19的人脸图像修复识别方法，其特征在于，所述步骤2中的生成对抗网络包括生成网络和判别网络，所述生成网络采用改进的卷积神经网络，在使用带有批归一化层的传统卷积的同时嵌入空洞卷积层。3.根据权利要求2所述的一种结合上下文信息和VGG19的人脸图像修复识别方法，其特征在于，所述改进的卷积神经网络采用Leaky ReLU作为激活函数。4.根据权利要求2所述的一种结合上下文信息和VGG19的人脸图像修复识别方...

【专利技术属性】
技术研发人员：陈波，陈圩钦，邓媛丹，曾俊涛，朱舜文，王庆先，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：