[发明专利]人脸图像的超分方法、装置、设备及存储介质

说明书

本公开的实施例公开了一种人脸图像的超分方法、装置、设备及存储介质。其中，方法包括：获取目标人脸图像；获取目标人脸图像的引导图像，其中，引导图像包括标注有目标人脸图像中的五官图像的位置的人脸解析图像，和/或与目标人脸图像中的五官图像所对应的五官模板图像；将目标人脸图像和引导图像输入至人脸超分模型中，得到与目标人脸图像对应的超分人脸图像，其中，超分人脸图像的分辨率大于目标人脸图像的分辨率。基于本方法，所得到的超分人脸图像失真度低。

技术领域

本公开涉及图像处理技术领域，更具体地，涉及一种人脸图像的超分方法、一种人脸图像的超分装置、一种电子设备及一种计算机可读存储介质。

背景技术

目前，现有的基于深度学习的人脸图像的超分方法通常是通过构建卷积神经网络实现的。

具体的，获取以人脸为主体的高分辨率人脸图像，以及对该高分辨率人脸图像进行多次压缩等模糊处理，得到对应的低分辨率人脸图像。将匹配的高分辨率人脸图像的低分辨率人脸图像作为训练样本。然后将大量训练样本输入至卷积神经网络中，以由卷积神经网络学习低分辨率人脸图像和高分辨率人脸图像之间的映射关系，最终得到训练好的卷积神经网络。这样，将低分辨率人脸图像输入至训练好的卷积神经网络中，便可得到高分辨率人脸图像。

但是，现有的基于深度学习的人脸图像的超分的方法，所得到的高分辨率人脸图像存在很大程度的失真。

发明内容

本公开的一个目的是提供一种用于超分人脸图像的新技术方案。

根据本公开的第一方面，提供了一种人脸图像的超分方法，所述方法包括：

获取目标人脸图像；

获取所述目标人脸图像的引导图像，其中，所述引导图像包括标注有所述目标人脸图像中的五官图像的位置的人脸解析图像，和/或与所述目标人脸图像中的五官图像所对应的五官模板图像；

将所述目标人脸图像和所述引导图像输入至人脸超分模型中，得到与所述目标人脸图像对应的超分人脸图像，其中，所述超分人脸图像的分辨率大于所述目标人脸图像的分辨率。

可选的，所述引导图像包括与所述目标人脸图像中的五官图像所对应的五官模板图像；所述获取所述目标人脸图像的引导图像，包括：

从所述目标人脸图像中提取五官图像；

将提取出的所述五官图像输入到与所述五官图像对应的五官分类模型中，得到所述五官图像中五官的类型；

从对应五官的模板图像库选取出与所述五官图像中五官的类型匹配的五官模板图像；所述五官模板图像的分辨率大于预设分辨率。

可选的，所述引导图像包括标注有所述目标人脸图像中的五官图像的位置的人脸解析图像；所述获取所述目标人脸图像的引导图像，包括：

将所述目标人脸图像输入到基于深度学习神经网络的人脸解析模型中，得到所述人脸解析图像。

可选的，所述方法还包括获取所述人脸超分模型的步骤，包括：

获取第一训练样本集，所述第一训练样本集包括多组第一训练样本；一组所述第一训练样本包括超分人脸样本图像，以及对应的目标人脸样本图像和所述目标人脸样本图像的引导图像，其中，所述超分人脸样本图像的分辨率大于所述目标人脸样本图像的分辨率；

将所述目标人脸样本图像和所述目标人脸样本图像的引导图像作为图像超分网络的输入，将所述超分人脸样本图像作为监督，对图像超分网络进行训练，得到所述人脸超分模型。

可选的，所述图像超分网络基于SRResNet模型、EDSR模型、WDSR模型中的任一个实现，以及所述图像超分网络的损失函数基于平均绝对误差的损失函数与均方根误差的损失函数的组合得到。