基于深度特征插值的图像变换方法研究与实现

• 作 者: 陈梓炜
• 出 处: 电子科技大学
• 发表日期: 2018年01期
• 关键词: 卷积神经网络 图像高可信变换 人脸属性编辑 深度特征插值

图像变换,即图像高可信的语义编辑,是计算机图形中一个重要研究方向,也是当前热门的研究领域。在信息技术快速发展的今天,图像数据随互联网、数字设备的普及日益激增,已经成为非常重要的信息媒介。图像语义编辑技术正在科学研究、广告设计、影视制作、动漫素材等多个领域中起着举足轻重的作用,甚至在公安刑侦案件中也提出了对该技术的迫切需求,所以研究图像语义编辑技术具有非常重要的意义。深度学习特别是卷积神经网络,凭借优秀的设计思想和卓越性能,在多个图像领域取得了很大的成就。本文借助深度学习理论与实践的优势,设计并实现了一个基于深度特征插值的图像变换算法模型,针对人脸图像的多项属性,进行高可信的语义编辑。本文的主要工作如下:1.深度特征插值的思想在于图像编辑的步骤是在深度特征空间中完成的,而非在像素空间中。本文设计并训练了一个卷积神经网络,将其用于图像的特征提取,作为图像深度特征映射的函数。2.考虑到在神经网络深层的表示空间中,不同模型间的融合效果更好,以及神经网络浅层的特征空间中捕获了更多图像细节信息,有利于图像在像素空间上的重建,我们在预训练网络中引入了密集连接模块来提取图像特征信息,综合考虑了神经网络浅层与深层的信息流。3.完成了插值运算的深度特征需要映射到像素空间生成数字图像,对于该任务我们设计了一个新的目标函数,在函数中引入深度图像先验作为先验项,以此来重建一张像素图像。4.设计并实现了对完成属性编辑的人脸效果图中存在的色彩噪声与修改痕迹的去除功能,提高了编辑效果图的质量。实验中,我们在户外带标签脸部数据库上对该人脸属性编辑算法进行了测试,并联系其他同等任务的两种算法模型进行编辑效果图质量上的比较。实验结果表明,本文采用的图像变换方法在编辑的可信度与质量上有着良好的表现。