[发明专利]一种人脸图像融合方法

说明书

本发明公开了一种人脸图像融合方法，它包括以下步骤：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。通过VAE和VGG网络的结合，利用VGG小卷积特征提取优势，获取输入的原始图像和新生成的目标图像的之间信息损失，并使其信息损失最小化，能够将两张人脸图像融合成一张自然完整的新的人脸图像，通过对融合偏倚参数的设置能够进一步的保存完整的头发的颜色、发型、面部表情等细节，且本方法具有融合处理过程简单快捷的特点。

技术领域

本发明涉及一种图像融合方法，特别是涉及一种人脸图像融合方法。

背景技术

人脸图像的融合即将两张不同的人脸图像融合成一张人脸图像，新得到的融合图像应保留有原人脸图像的面部特征。现目前最主流的融合方法是基于面部特征点匹配的方法，其主要依赖于基于人脸的面部特征工程，并已获得了较好的融合效果，但整个过程既复杂又耗时，而且这种方法会模糊目标图像的细节特征，也不具备扩展及多图像泛化的特性。

而由于GAN生成的图像具有清晰和逼真等特性，因此也被广泛应用于图像生成方面，如Alec Radford等人提出了深度卷积性生成对抗网络，在这些网络中，对GAN的卷积性架构拓扑进行了一组约束，使它们在大多数情况下都能稳定地进行训练；但是由于对抗生成网络GAN从随机噪声点生成图像，它不能生成特定细节的图像，另外，生成式对抗模型参照图像中的样子，没有办法强制它所生成的图像必须看起来像图像本身。这就造成了图像的样式不会非常写实。

因此，需要一种新的人脸图像融合方法，去简化融合过程并实现完整保存人脸图像的面部细节的要求。

发明内容

本发明主要解决的技术问题是提供一种人脸图像融合方法，能够解决现有融合方法存在的融合过程复杂耗时以及融合的结果图像不写实的问题。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种人脸图像融合方法，它包括以下步骤：

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。

在进行所述将待融合的人脸图像输入到人脸融合网络模型中的步骤之前，还需要进行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。

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。

人脸融合网络模型根据输入的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