[发明专利]一种人脸图像的复原方法

权利要求书

1.一种人脸图像的复原方法，其特征在于，包括以下步骤：

S1、获取一组人脸图像对，所述人脸图像对包括同一个人脸图像的一张清晰图像和一张模糊图像；

S2、将模糊图像作为初始输入图像，输入一策略网络中；

S3、通过所述策略网络，从输入图像中选取一块区域；

S4、通过一增强网络，对输入图像中S3选取的区域进行复原；

S5、将S4进行区域复原后得到的图像整体作为S3的输入图像，重复迭代执行S3至S4若干次，最后一次重复S4得到的图像即为复原图像；

S6、计算S5得到的复原图像与S1中获取的清晰图像之间的相似度，并使用强化学习算法对S3中所述的策略网络进行训练，使用梯度回传和梯度下降法对S4中所述的增强网络进行训练；

S7、基于S6中训练得到的参数对策略网络和增强网络进行初始化；

S8、将待复原的人脸图像作为初始输入图像，输入策略网络中，重复S3至S5，得到复原的人脸图像；

步骤S3中的策略网络的输入图像为所述模糊图像或者上一轮迭代中步骤S4得到的图像，输出为与输入图像大小一致的概率图；在S8中，执行到S3时，以概率图中概率最高的点为中心点，在输入图像上对应位置截取一块固定大小的矩形区域为步骤S3选择的区域。

2.根据权利要求1所述的方法，其特征在于，所述策略网络包括全连接层和长短期记忆网络；所述长短期记忆网络用于将之前重复迭代执行S3时选取过的区域进行记录和编码，并以隐向量的形式传递到下一次迭代。

3.根据权利要求1所述的方法，其特征在于，在S8之前，执行到S3时，在概率图中随机选取一个点为中心点，在输入图像上对应位置截取一块固定大小的矩形区域为步骤S3选择的区域。

4.根据权利要求1所述的方法，其特征在于，所述增强网络包括卷积神经网络和多个全连接层，所述卷积神经网络由8个卷积层组成。

5.根据权利要求1所述的方法，其特征在于，所述S6中，计算S5得到的复原图像与S1中获取的清晰图像之间的相似度的方法为计算两者之间的均方误差，即计算两幅图像对应位置像素点的差的平方，并将所有得到的值求和。

6.根据权利要求1所述的方法，其特征在于，所述S6中，使用强化学习算法训练策略网络的方法具体为：将步骤S6中得到的图像相似度取反，作为强化学习方法中的奖励信号；使用REINFORCE算法得到奖励信号相对于策略网络的梯度；使用梯度回传算法和梯度下降算法更新策略网络的参数。

7.根据权利要求1所述的方法，其特征在于，所述S7还包括获取多组人脸图像对，并依次对每组人脸图像对迭代执行S2至S7。