[发明专利]基于生成对抗网络的马赛克人脸图像超分辨率重建方法

说明书

本发明公开了一种基于生成对抗网络的马赛克人脸图像超分辨率重建方法，构建用于马赛克人脸图像超分辨率重建的Demosaic GAN模型；将Xception网络的开始至第block13_pool层迁移进来，对图像数据进行特征提取；构建用于马赛克人脸图像超分辨率重建的Demosaic GAN模型的损失函数；构建Demosaic GAN模型对应的马赛克人脸数据集，并通过所述马赛克人脸数据集对Demosaic GAN模型进行训练，获得训练完成的马赛克人脸图像超分辨率重建模型；待处理的马赛克人脸图像通过所述训练完成的马赛克人脸图像超分辨率重建模型对图像进行超分辨率重建，获得重建后的图像。本发明可以快速将单张或多张马赛克人脸图像进行重建。

技术领域

本发明涉及图像超分辨率重建领域，具体涉及一种基于生成对抗网络的马赛克人脸图像超分辨率重建方法。

背景技术

随着图像编辑软件的普及，人们可以轻松地对人脸图片进行马赛克处理，这一技术有很大的作用，比如，用于保护个人隐私；同时，这也为监控和法医领域带来诸多不便，与对人脸图片进行马赛克处理技术的普及相比，目前极少有关于马赛克图片复原的报道。

马赛克指现行广为使用的一种图像(视频)处理手段，此手段将影像特定区域的色阶细节劣化并造成色块打乱的效果；马赛克和图像压缩不一样，马赛克是不可逆损失信息的，它的目的是让我们无法还原出原始图片。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于生成对抗网络的马赛克人脸图像超分辨率重建方法。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供一种基于生成对抗网络的马赛克人脸图像超分辨率重建方法，该方法为：

构建用于马赛克人脸图像超分辨率重建的Demosaic GAN模型；

将Xception网络的开始至第block13_pool层迁移进来，对图像数据进行特征提取；

构建用于马赛克人脸图像超分辨率重建的Demosaic GAN模型的损失函数；

构建Demosaic GAN模型对应的马赛克人脸数据集，并通过所述马赛克人脸数据集对Demosaic GAN模型进行训练，获得训练完成的马赛克人脸图像超分辨率重建模型；

待处理的马赛克人脸图像通过所述训练完成的马赛克人脸图像超分辨率重建模型对图像进行超分辨率重建，获得重建后的图像。

上述方案中，所述Demosaic GAN模型包括生成器和鉴别器；其中生成器有5个卷积层，8个SRDB层，1个跳变连接层和1个Add层；其中每个SRDB层有5个卷积层，4个ReLU层，1个跳变连接层和1个Add层；输入层是马赛克人脸图像，输出层是生成的超分辨率重建图像；其中鉴别器有9个卷积层，6个ReLU层，8个BatchNorm层，1个Add层，1个Flatten层和1个Dense层组成；输入层是生成的超分辨率重建图像，输出层是生成的超分辨率重建图像的特征。

上述方案中，所述Demosaic GAN模型的损失函数包括MSE损失l_mse、Xception损失l_Xception、网络的对抗损失l_Gen、风格损失l_style。

上述方案中，所述MSE损失l_mse为：

其中，W,H分别是图像的宽和高，表示原始图像，表示打码后的图像，表示生成器生成的马赛克人脸超分辨率重建图像。

上述方案中，所述Xception损失l_Xception为：