[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

本發明公開了一種人臉圖像清晰度提升方法及裝置，屬于圖像處理領域；在獲取待提升清晰度的人臉圖像后，將人臉圖像輸入到經退化操作訓練的模型中得到清晰度提升后的人臉圖像。由于模型經過退化操作訓練，即原本清晰的圖像處理為清晰度不高的圖像，然后以清晰度不高的圖像為訓練樣本使其得到清晰的圖像，這樣待提升清晰度的人臉圖像輸入到模型中后能夠大大提升人臉圖像的清晰度。

技術領域

本發明涉及圖像處理技術，特別地，涉及一種人臉圖像清晰度提升方法及裝置。

背景技術

當前市場上的提升照片清晰度的圖片編輯類應用中，用戶可以輸入照片對照片進行清晰度的提升。但是，在對照片進行清晰度提升的時候，使用的方法在人臉圖像上的效果會比較一般。傳統方法對人臉圖像做針對性優化，也只能進行簡單的降噪操作，但降噪的同時會讓人臉有很重的涂抹感，臉部細節會大量丟失，清晰度的提升效果較差。

發明內容

為了克服現有技術的不足，本發明提供一種人臉圖像清晰度提升方法及裝置，以解決傳統提升人臉照片清晰度方法讓人臉有很重的涂抹感，臉部細節會大量丟失，清晰度的提升效果較差的問題。

本發明解決其技術問題所采用的技術方案是：

一方面，

一種人臉圖像清晰度提升方法，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。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，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；