[发明专利]一种人脸图像融合方法

权利要求书

1.一种人脸图像融合方法，其特征在于，它包括以下步骤：

建立人脸融合网络模型；所述的人脸融合网络模型包括变分自动编码器VAE和VGG网络；所述的变分自动编码器包括编码器V_encoder和解码器V_decoder；

将待融合的原始人脸图像输入到人脸融合网络模型中；

在人脸融合网络模型中设置相应的融合偏倚参数；

人脸融合网络模型根据输入的融合偏倚参数将输入的原始图像进行重构融合，输出融合后的目标图像；VGG网络对融合得到的目标图像进行优化；

其中：

生成解码器V_decoder的步骤为：在变分自动编码器VAE中引入一个隐藏向量Z，得到解码器P_θ(X|Z)，利用隐藏向量Z重构原始图像X；

生成编码器V_encoder的步骤为：根据解码器P_θ(X|Z)得到P_θ(X|Z)的后验分布P_θ(Z|X)，利用神经网络得到P_θ(Z|X)的正态分布则为编码器V_encoder

所述的人脸融合网络模型根据输入的融合偏倚参数将输入的图像进行融合，输出融合后的图像的具体步骤如下：将输入的原始图像X^a和X^b输入到编码器V_encoder中，得到两个服从正态分布的和分布；将两个正态分布进行随机采集和处理得到一个100维特征向量将100维特征向量输入到解码器V_decoder，得到原始图像X^a和X^b融合后的目标图像X^ab；对融合得到的目标图像X^ab输入到VGG网络中，根据VGG网络进行优化；

将两个正态分布进行随机采集和处理得到一个100维特征向量的详细内容如下：将得到的两个正态分布和进行随机采样分布得到对应100维特征向量和对特征向量和进行进一步处理得到一个100维特征向量其中，

在所述人脸融合网络模型中设置相应的融合偏倚参数的步骤中，所述的融合偏倚参数包括W₁和W₂，其中W₁和W₂分别表示为特征向量和的100维的列向量。

2.根据权利要求1所述的一种人脸图像融合方法，其特征在于，所述根据VGG网络进行优化包括求出度量重构的目标图像和原始图像之间差异性的重构误差以及通过KL散度使编码器V_encoder输出的正态分布向标准正态分布看齐两部分。

3.根据权利要求2所述的一种人脸图像融合方法，其特征在于，所述的求出度量重构的目标图像和原始图像之间差异性的重构误差的具体步骤为：

将原始图像X^a和X^b以及目标图像X^ab分别单独输入到VGG网络中，并提取原始图像X^a和X^b以及目标图像X^ab输出的前三个卷积层；

将原始图像X^a和X^b得到每一个卷积层输出结果进行加权求和，其中在每个卷积层上，加权求和的表达式为：

P_i＝W₁’×L_a⁽ⁱ⁾+W₂’×L_b⁽ⁱ⁾

上式中，W₁'和W₂'是取值范围在0～1之间，L_a⁽ⁱ⁾表示X^a关于第i个卷积层的输出；L_b⁽ⁱ⁾表示X^b关于第i个卷积层的输出，i的取值范围从1到3；

将加权求和的结果结合目标图像X^ab的每一个卷积层输出结果求取均方误差，并将求得的各个均方误差进行求和得到重构误差的值。

4.根据权利要求1所述的一种人脸图像融合方法，其特征在于，所述的融合偏倚参数W₁和W₂的取值包括0或者1，其中0表示舍弃图像此维度的特征，1表示保留图像此维度的特征；并且两个融合偏倚参数W₁和W₂的和为每个维度值为1的100维列向量。