[发明专利]用于生成图像的方法和装置

说明书

本申请公开了用于生成图像的方法和装置。该方法的一具体实施方式包括：获取待处理人脸图像，其中，所述待处理人脸图像的图像分辨率低于预先设定的第一分辨率阈值；将所述待处理人脸图像输入预先训练的生成模型，生成处理后的人脸图像，上述生成模型在训练过程中利用损失函数更新模型参数，而该损失函数是基于人脸样本图像和人脸生成图像组成的图像组为正样本数据的概率确定的。该实施方式提高了所生成的人脸图像的真实性。

技术领域

本申请涉及计算机技术领域，具体涉及图像处理领域，尤其涉及用于生成图像的方法和装置。

背景技术

随着高清显示设备的快速发展，人们对于高分辨率图像和视频的需求日益增长。现阶段，可以通过多种方法将低分辨率图像转化为高分辨率图像，例如，基于差值的方法、基于重建的方法、基于学习的方法等等。然而，在对图像进行一系列操作，使之从低分辨率图像转化为高分辨率图像时，往往会引起图像失真，使之无法满足实际需要，例如，经过一系列操作将低分辨率的人脸图像转化为高分辨率的人脸图像之后，人脸发生变形，导致无法正确识别。因此，在将低分辨率图像转化为高分辨率图像时，如何尽可能的避免图像失真，保证图像的真实性是亟需解决的问题。

发明内容

本申请的目的在于提出一种改进的用于生成图像的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于生成图像的方法，该方法包括：获取待处理人脸图像，其中，上述待处理人脸图像的图像分辨率低于预先设定的第一分辨率阈值；将上述待处理人脸图像输入预先训练的生成模型，生成处理后的人脸图像，上述生成模型是通过以下训练步骤得到的：将人脸样本图像输入初始生成模型，由上述初始生成模型输出人脸生成图像，其中，上述人脸样本图像的图像分辨率低于上述第一分辨率阈值；将由上述人脸样本图像的像素矩阵和上述人脸生成图像的像素矩阵组成的二元组输入预先训练的判别模型，由上述判别模型输出上述人脸样本图像和上述人脸生成图像组成的图像组为正样本数据的概率，其中，上述正样本数据包括图像分辨率高于第二分辨率阈值的第一真实人脸图像和基于上述第一真实人脸图像生成的、图像分辨率低于上述第一分辨率阈值的第二真实人脸图像；基于上述概率得到上述初始生成模型的损失函数，并利用上述损失函数更新上述初始生成模型的模型参数，得到生成模型。

在一些实施例中，上述基于上述概率得到上述初始生成模型的损失函数，包括：基于上述概率和上述人脸生成图像与标准人脸图像之间的相似度确定上述初始生成模型的损失函数，其中，上述标准人脸图像和上述单张人脸生成图像包含同一人的人脸信息。

在一些实施例中，上述基于上述概率和上述人脸生成图像与标准人脸图像之间的相似度确定上述初始生成模型的损失函数，包括：使用预先训练的识别模型分别提取上述人脸生成图像的特征信息和上述标准人脸图像的特征信息，并计算上述人脸生成图像的特征信息与上述标准人脸图像的特征信息之间的欧式距离；根据上述概率和上述欧式距离得到上述初始生成模型的损失函数。

在一些实施例中，上述初始生成模型是通过以下方式训练得到的：利用机器学习方法，将图像分辨率低于上述第一分辨率阈值的第一人脸样本图像作为输入，将图像分辨率超过上述第二分辨率阈值的第二人脸样本图像作为输出，训练得到初始生成模型，其中，上述第一人脸样本图像和上述第二人脸样本图像包含同一人的人脸信息。

在一些实施例中，上述判别模型是通过以下方式训练得到的：利用机器学习方法，将第一样本数据作为输入，将第一样本数据的标注信息作为输出，训练得到判别模型，其中，上述第一样本数据包括带有标注信息的正样本数据和带有标注信息负样本数据，其中，上述正样本数据包括图像分辨率高于上述第二分辨率阈值的第一真实人脸图像和基于上述第一真实人脸图像得到的、图像分辨率低于上述第一分辨率阈值的第二真实人脸图像，上述负样本数据包括图像分辨率低于上述第一分辨率阈值的第三真实人脸图像和上述生成模型基于上述第三真实人脸图像输出的人脸图像。