[發明專利]一種人臉圖像清晰度提升方法及裝置

在審

• 申請號: 202110659802.3
• 申請日: 2021-06-15
• 公開（公告）號: CN113409207A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 林青山
• 申請（專利權）人: 廣州光錐元信息科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/62
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 付登云

1.一種人臉圖像清晰度提升方法，其特征在于，包括以下步驟：

獲取待提升清晰度的人臉圖像；

將所述人臉圖像輸入經退化操作訓練的模型中得到清晰度提升后的人臉圖像。

2.根據權利要求1所述的方法，其特征在于：所述經退化操作訓練的模型的訓練步驟包括：

獲取訓練人臉圖像的高清圖片；

將所述訓練人臉圖像進行退化操作得到低清圖片；

將所述低清圖片輸入到預構建的卷積神經網絡模型中得到生成圖片；

計算所述生成圖片與所述高清圖片之間的損失；

判斷所述損失是否收斂；

若不收斂，則采用自適應矩估計算法優化所述卷積神經網絡模型的參數；

重復上述步驟直至所述損失收斂且所述生成圖片清晰度達到要求時，保存所述卷積神經網絡模型的參數得到經退化操作訓練的模型。

3.根據權利要求1所述的方法，其特征在于：所述退化操作包含以下步驟：

以50％的概率進行模糊操作；

以20％的概率進行加噪操作；

以70％的概率進行JPEG壓縮操作；

進行縮放操作，縮放至圖片長寬分別是所述高清圖片的長寬的1/4大小。

4.根據權利要求2所述的方法，其特征在于，還包括：

將所述高清圖片輸入到預構建的多層判別模型中得到所述高清圖片為真的第一概率；

將所述生成圖片輸入到所述多層判別模型中得到所述生成圖片為假的第二概率；

用Hinge損失函數分別計算所述第一概率和第二概率與1的損失，并將計算得到的兩個損失求和得到損失和；

判斷所述損失和是否收斂；

若不收斂，則采用自適應矩估計算法優化所述多層判別模型的參數；

重復上述步驟直至所述損失和收斂，保存此時的多層判別模型。

5.根據權利要求1所述的方法，其特征在于：將所述人臉圖像輸入經退化操作訓練的模型中得到清晰度提升后的人臉圖像包括：

對所述人臉圖像進行預處理得到只包含人臉的原始降噪人臉圖像；

將原始降噪人臉圖像輸入到所述模型中。

6.根據權利要求5所述的方法，其特征在于：所述對所述人臉圖像進行預處理得到只包含人臉的原始降噪人臉圖像包括：

將所述人臉圖像輸入到預構建的人臉識別模型中得到人臉數據，所述人臉數據包括人臉框、左眼、右眼、鼻尖、左嘴角和右嘴角的位置；

根據所述人臉數據在所述人臉圖像上進行剪裁操作得到原始人臉圖像；

對所述原始人臉圖像進行人臉選擇對齊操作得到原始對齊人臉圖像；

對所述原始對齊圖像使用三次插值算法進行縮放操作，得到大小為128*128的原始縮放人臉圖像；

對所述原始縮放人臉圖像進行降噪操作，得到原始降噪人臉圖像。

7.根據權利要求6所述的方法，其特征在于，還包括：

所述將原始降噪人臉圖像輸入到所述模型后得到高清降噪人臉圖像；

對所述高清降噪人臉圖像進行預處理得到高清人臉圖像；

將所述高清人臉圖像融合到所述人臉圖像中得到最終圖像。

8.根據權利要求7所述的方法，其特征在于：所述對所述高清降噪人臉圖像進行預處理得到高清人臉圖像包括：

對所述高清降噪人臉圖像使用三次插值算法進行縮放操作，得到大小與原始人臉圖像大小一致的高清縮放人臉圖像；

將所述高清人臉圖像進行旋轉還原操作，得到高清人臉圖像，所述高清人臉圖像中人臉的位置與原始人臉圖像中人臉的位置一致。

9.根據權利要求7所述的方法，其特征在于：所述將所述高清人臉圖像融合到所述人臉圖像中得到最終圖像包括：

將所述高清人臉圖像輸入到預構建的人像分割模型，得到高清人臉掩膜圖像；

對所述高清人臉掩膜圖像進行腐蝕、膨脹和模糊操作，得到高清人臉羽化掩膜圖像；

以高清人臉羽化掩膜圖像中的像素值為權重，將所述高清人臉圖像融合到人臉圖像中得到最終圖像。

10.一種人臉圖像清晰度提升裝置，其特征在于，包括：

人臉圖像獲取模塊，用于獲取待提升清晰度的人臉圖像；

人臉圖像輸入模塊，用于將所述人臉圖像輸入經退化操作訓練的模型中得到清晰度提升后的人臉圖像。