[發明專利]基于生成對抗網絡的馬賽克人臉圖像超分辨率重建方法

有效

• 申請號: 201911396316.6
• 申請日: 2019-12-30
• 公開（公告）號: CN111210388B
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 梁丕樹;夏群兵;楊高波;徐永惠
• 申請（專利權）人: 深圳市愛協生科技有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06N3/08
• 代理公司: 北京科家知識產權代理事務所(普通合伙) 11427
• 代理人: 陳娟

本發明公開了一種基于生成對抗網絡的馬賽克人臉圖像超分辨率重建方法，構建用于馬賽克人臉圖像超分辨率重建的Demosaic GAN模型；將Xception網絡的開始至第block13_pool層遷移進來，對圖像數據進行特征提??；構建用于馬賽克人臉圖像超分辨率重建的Demosaic GAN模型的損失函數；構建Demosaic GAN模型對應的馬賽克人臉數據集，并通過所述馬賽克人臉數據集對Demosaic GAN模型進行訓練，獲得訓練完成的馬賽克人臉圖像超分辨率重建模型；待處理的馬賽克人臉圖像通過所述訓練完成的馬賽克人臉圖像超分辨率重建模型對圖像進行超分辨率重建，獲得重建后的圖像。本發明可以快速將單張或多張馬賽克人臉圖像進行重建。

技術領域

本發明涉及圖像超分辨率重建領域，具體涉及一種基于生成對抗網絡的馬賽克人臉圖像超分辨率重建方法。

背景技術

隨著圖像編輯軟件的普及，人們可以輕松地對人臉圖片進行馬賽克處理，這一技術有很大的作用，比如，用于保護個人隱私；同時，這也為監控和法醫領域帶來諸多不便，與對人臉圖片進行馬賽克處理技術的普及相比，目前極少有關于馬賽克圖片復原的報道。

馬賽克指現行廣為使用的一種圖像(視頻)處理手段，此手段將影像特定區域的色階細節劣化并造成色塊打亂的效果；馬賽克和圖像壓縮不一樣，馬賽克是不可逆損失信息的，它的目的是讓我們無法還原出原始圖片。

發明內容

有鑒于此，本發明的主要目的在于提供一種基于生成對抗網絡的馬賽克人臉圖像超分辨率重建方法。

為達到上述目的，本發明的技術方案是這樣實現的：

本發明實施例提供一種基于生成對抗網絡的馬賽克人臉圖像超分辨率重建方法，該方法為：

構建用于馬賽克人臉圖像超分辨率重建的Demosaic GAN模型；

將Xception網絡的開始至第block13_pool層遷移進來，對圖像數據進行特征提??；

構建用于馬賽克人臉圖像超分辨率重建的Demosaic GAN模型的損失函數；

構建Demosaic GAN模型對應的馬賽克人臉數據集，并通過所述馬賽克人臉數據集對Demosaic GAN模型進行訓練，獲得訓練完成的馬賽克人臉圖像超分辨率重建模型；

待處理的馬賽克人臉圖像通過所述訓練完成的馬賽克人臉圖像超分辨率重建模型對圖像進行超分辨率重建，獲得重建后的圖像。

上述方案中，所述Demosaic GAN模型包括生成器和鑒別器；其中生成器有5個卷積層，8個SRDB層，1個跳變連接層和1個Add層；其中每個SRDB層有5個卷積層，4個ReLU層，1個跳變連接層和1個Add層；輸入層是馬賽克人臉圖像，輸出層是生成的超分辨率重建圖像；其中鑒別器有9個卷積層，6個ReLU層，8個BatchNorm層，1個Add層，1個Flatten層和1個Dense層組成；輸入層是生成的超分辨率重建圖像，輸出層是生成的超分辨率重建圖像的特征。

上述方案中，所述Demosaic GAN模型的損失函數包括MSE損失l_mse、Xception損失l_Xception、網絡的對抗損失l_Gen、風格損失l_style。

上述方案中，所述MSE損失l_mse為：

其中，W,H分別是圖像的寬和高，表示原始圖像，表示打碼后的圖像，表示生成器生成的馬賽克人臉超分辨率重建圖像。

上述方案中，所述Xception損失l_Xception為：