[发明专利]一种基于图像掩膜的人脸属性迁移方法

说明书

本发明涉及一种基于图像掩膜的人脸属性迁移方法，属于计算机视觉处理技术领域。本方法，将人脸掩膜融入到人脸属性迁移任务中，使得生成器能够专注于人脸属性的生成，针对性更强；将梯度信息融入到人脸属性迁移任务中，能够保持人脸轮廓不发生改变，同时有助于模型学到更精细的纹理信息；采用多目标学习的方式进行训练，使得模型能够从多个角度进行特征学习，生成的图像更加逼真。本方法适用于任务人脸图像，均有良好的使用效果，具有普适性，同时适用于多种属性迁移任务，具有较强的鲁棒性。

技术领域

本发明涉及一种基于图像掩膜的人脸属性迁移方法，尤其涉及一种基于生成对抗网络、采用边缘一致性约束、运用多目标学习的思想进行的无监督学习的人脸属性迁移方法，属于计算机视觉处理技术领域。

技术背景

近年来，人脸属性迁移成为互联网领域追逐的热点，拥有庞大的用户群体，蕴含巨大的商业价值。人们每天使用手机拍摄出自己或者他人的照片，出于变美或娱乐目的，会对图像进行个性化的自定义操作，生成自己满意的图像。而支撑该功能的技术，是基于深度学习的人脸属性编辑技术。

作为深度学习的重要组成部分，生成对抗网络自提出之日起，就深受研究人员的青睐，目前已广泛应用于计算机视觉和自然语言处理任务等领域中。相较于传统方法，生成对抗网络在图像生成任务上有着得天独厚的优势，其表现更为优越。

在人脸属性迁移任务中，人们希望操作的部位往往只是整体图像的一部分。而对于一个输入的人体图像来说，如何准确的定位待操作区域至关重要。相较于注意力机制的学习性而言，图像掩膜技术更为高效和准确。图像掩膜技术是一种借鉴于数字图像处理中的掩膜技术，通过选定特定的图像，对待处理的图像进行遮挡，实现对待处理图像的有效控制。目前，人脸解析技术经历了从传统方法到深度学习方法的转变后，该项技术已经相对成熟，利用人脸解析可以很好的获取到人脸信息。

而将该项技术应用在人脸属性迁移任务中，尚未见到有相关技术公开。

发明内容

本发明的目的是为了克服现有技术存在的不足，提出一种基于图像掩膜的人脸属性迁移方法，以生成具有目标属性的逼真的图像。

本发明的创新点在于：引入图像掩膜方法，设计一种监督学习的人脸属性迁移的网络模型。同时，在图像生成中引入了梯度信息作为指导，通过多目标学习设计损失函数，实现人脸属性迁移。

本发明的目的是通过以下技术方案实现的：

一种基于图像掩膜的人脸属性迁移方法，包括以下步骤：

步骤1：对原始图像进行人脸解析，得到背景图像和人脸图像，将人脸图像作为模型的输入图像。

其中，在进行人脸解析处理时，使用图像掩膜方式，将掩膜图像和原始图像通过与运算，得到背景图像和需要被提取到的人脸图像。

步骤2：利用生成器对输入图像进行特征学习，得到输出图像。

其中，生成器包括图像生成分支和梯度学习分支，两个分支网络之间进行信息传递，共同作用，实现图像生成。梯度分支的作用在于确定输入图像的边缘信息，学习生成目标图像的纹理特征，为生成图像提供额外的结构先验。

步骤3：将输出图像与背景图像进行图像融合，产生生成图像。

具体地，采用边缘一致性约束处理，即，采用泊松图像融合方式进行图像融合，能够同时兼顾原始图像的梯度场和目标图像的梯度场。

步骤4：对生成图像和目标图像进行特征判别。

具体地，同时进行以下5种操作：

对生成图像和目标图像进行纹理处理后，送入特征判别器D1进行纹理特征判别，判别结果用于设计纹理损失函数。