[发明专利]高分辨率人脸图像的多属性编辑方法、系统、装置

说明书

本发明属于模式识别、计算机视觉及数字图像处理领域，具体涉及了一种高分辨率人脸图像的多属性编辑方法、系统、装置，旨在解决现有技术无法实现高分辨率、可控的多属性人脸图像编辑的问题。本发明包括：通过多属性编辑网络的编码器获取输入图像的特征表达；将原始标签集合中待编辑的标签调整为预设的目标标签；将调整后的标签集合后扩展为图像特征空间分辨率大小后与图像特征表达组合；基于组合后的特征表达，通过多属性编辑网络的解码器获取输入图像对应的属性编辑后的图像。本发明利用小波变换获取图像的高频和低频信息，结合加权约束属性类别的策略以及基于属性映射的重建学习，可编辑高分辨率人脸图像，同时可实现可控的多属性人脸图像编辑。

技术领域

本发明属于模式识别、计算机视觉及数字图像处理领域，具体涉及了一种高分辨率人脸图像的多属性编辑方法、系统、装置。

背景技术

理想的人脸属性编辑是指根据给定的属性标签改变人脸图像中一个或多个属性，同时保持其余属性和背景不变。常见的属性编辑有改变发色、去除胡子和年龄老化等。

人脸属性编辑由于其在休闲娱乐、信息安全以及人脸识别等领域的广泛应用，逐渐成为计算机视觉方向的研究焦点。人脸识别技术已经被大规模地部署于机场安检、门禁考勤、公安刑侦等领域，但对于大幅度人脸年龄变化和大面积人脸遮挡情况仍然具有一定的局限性。人脸属性编辑能够有效提高人脸识别任务的性能和应用范围，该技术可以去除人脸面具或眼镜等遮挡物用于还原真实人脸，可以合成不同年龄段的人脸图片，在跨年龄人脸验证以及寻找被拐儿童等任务中起到辅助作用。另外，人脸属性编辑技术还可应用于社交娱乐领域。随着智能移动设备的普及，人们越来越喜欢在社交媒体上分享个人照片，并进行人脸美化。人脸属性编辑可以满足这种对照片进行皮肤美白、人脸上妆以及发型设计等互动操作的需求。

最近几年，随着生成对抗网络在图像生成领域的成功应用，人脸属性编辑任务取得了重大进步。然而，目前人脸属性编辑技术仍然面临两个局限性。一是现有方法只能应用于编辑低分辨率或者低质量的人脸图像，比如分辨率128*128或256*256。随着智能设备拍照像素的不断更新，低分辨率图像无法满足实际应用的需求。二是现有技术对不需要编辑的属性(即非目标属性)产生不可控的改变，这个问题在多属性人脸属性编辑中尤其突出。如何实现高分辨率、可控的多属性人脸图像编辑仍然是一个亟待解决的难题。

发明内容

为了解决现有技术中的上述问题，即现有技术无法实现高分辨率、可控的多属性人脸图像编辑的问题，本发明提供了一种高分辨率人脸图像的多属性编辑方法，该人脸图像的多属性编辑方法包括：

步骤S10，获取高分辨率人脸图像作为待编辑图像，并获取待编辑图像对应的原始标签集合；所述标签为属性二值标签；

步骤S20，通过训练好的多属性编辑网络的编码器获取所述待编辑图像的特征表达；将所述待编辑图像对应的原始标签集合中待编辑的标签调整为预设的目标标签；

步骤S30，将调整后的标签集合扩展为设定分辨率大小后与所述特征表达组合，并通过训练好的多属性编辑网络的解码器获取所述待编辑图像对应的属性编辑后的图像；

其中，所述多属性编辑网络包括生成器、判别器、分类器、小波变换模块，并基于获取的训练样本通过对抗生成方法进行训练；所述生成器包括编码器和解码器。

在一些优选的实施例中，所述多属性编辑网络，其训练方法为：

步骤B10，通过所述编码器提取获取的第t批样本各图像的特征表达；

步骤B20，将所述第t批样本各图像对应的原始标签集合扩展为设定分辨率大小后分别与对应的特征表达组合，通过所述解码器获取各重建图像；将所述第t批样本各图像对应的理想标签集合扩展为设定分辨率大小后与对应的特征表达组合，并通过所述解码器获取各生成图像；