[发明专利]基于SRGAN网络的超分辨率人脸图像重建方法

权利要求书

1.一种基于SRGAN网络的超分辨率人脸图像重建方法，其特征在于包括：

S1：构建SRGAN网络；

S2：获取若干高分辨率人脸图像I^HR，经过下采样得到对应的低分辨率人脸图像I^LR，每幅高分辨率人脸图像I^HR和对应的低分辨率人脸图像I^LR构成一个训练样本，从而得到训练样本集；

S3：采用步骤S2得到的训练样本集对SRGAN网络进行训练，训练过程中生成器G的优化目标函数为：

判别器D的优化目标函数为：

其中，x表示真实的高分辨率人脸图像，z表示输入生成器G的低分辨率人脸图像，G(z)为生成器G中生成的超分辨率重建人脸图像，P_g表示超分辨重建人脸图像的概率分布，P_r表示真实的高分辨率人脸图像的概率分布，D(x)、D(G(z))分别表示判别器D判断高分辨率人脸图像、超分辨率重建人脸图像是否为真实人脸图像的概率，E[]表示数学期望，表示真实高分辨率人脸图像x和超分辨率重建人脸图像G(z)的一个随机线性组合，P_u表示样本的概率分布，k和p分别表示一个常数；

S4：将需要进行重建的低分辨率人脸图像输入步骤S3训练好的SRGAN网络中的生成器G中，输出对应的超分辨率人脸图像的重建图像。

2.根据权利要求1所述的超分辨率人脸图像重建方法，其特征在于，所述步骤S3中，每个训练样本X的损失函数Loss_SR根据以下公式计算：

其中，表示训练样本的内容损失函数，表示对抗损失。

3.根据权利要求1所述的超分辨率人脸图像重建方法，其特征在于，所述步骤S3中，采用Adam优化算法实现生成器G和判别器的目标函数优化，具体方法为：

利用Adam优化算法，降序更新生成器G的权重w_G：

其中，表示权重w_G的下降的梯度，z_m表示超分辨率重建人脸图像I^SR中第m个像素的值，m＝1,2,…,M，M表示像素数量，D(G(z_m))表示判别器D判断超分辨率重建人脸图像I^SR中第m个像素为高分辨率人脸图像I^HR中像素的概率；α表示学习率，β₁表示一阶矩估计的指数衰减率，β₂表示二阶矩估计的指数衰减率；

利用Adam优化算法降序更新判别器D的权重w_D：

其中，表示权重w_D下降的梯度，x_m表示高分辨率人脸图像I^HR第m个像素的值，D(x_m)表示判别器D判断高分辨率人脸图像I^HR第m个像素为高分辨率人脸图像I^HR中像素的概率，表示下降的梯度，μ_m＝m/M，表示判别器D判断为高分辨率人脸图像I^HR中像素的概率。

4.根据权利要求1所述的超分辨率人脸图像重建方法，其特征在于，所述步骤S3中交替更新生成器G的权重w_G和判别器D的权重w_D。