文献类型：期刊文章

作　　者：何冀军[1,2] 申远[3] 郭玉堂[2] 郑津津[1]

He Jijun;Shen Yuan;Guo Yutang;Zheng Jinjin(School of Engineering Science,University of Science and Technology of China,Hefei 230026;School of Computer Science,Hefei Normal University,Hefei 230601;School of Electronic Information and Electrical Engineering,Hefei 230601)

机构地区：[1]中国科学技术大学工程科学学院,合肥230026 [2]合肥师范学院计算机学院,合肥230601 [3]合肥师范学院电子信息与电气工程学院,合肥230601

出　　处：《计算机辅助设计与图形学学报》

基　　金：国家自然科学基金联合基金(GG2090090072,U1332130,U1713206);111引智工程(B07033);安徽省重点研究与开发计划(1704a0902051);安徽省科技重大专项(18030901033);安徽省高校自然科学研究重点项目(KJ2018A0487);安徽省自然科学基金(1908085ME135)。

年　　份：2020

卷　　号：32

期　　号：4

起止页码：599-605

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：利用生成对抗网络(generative adversarial network,GAN)进行标准上半身人像的合成,从普通人像照片中截取部分区域得到面部对齐后的标准化上半身合成图像,处理后的标准化人像实现了目标主体与背景的分离,可以有效地优化目标识别和分割算法的结果.图像的合成过程分为2个主要步骤,首先利用图像特征识别人脸并截取头部区域,然后以裁切后的头部区域为中心进行上半身人像的合成,得到人脸特征点及头部区域对齐后的上半身合成图像.该算法可以有效地从背景中分离人像区域,利用合成后的图像进行图像分割和评价,可以避免图像背景对于图像识别主体的干扰.通过自有数据集验证了该算法可以改善分割算法的精确度、召回率和F值,最终合成人脸图像的Facenet平均距离及标准差相比现有的人脸图像正则化算法均有减小,通过在CelebA及LFW等通用数据集上的验证测试,显示出算法具有良好的通用性和适应性,该算法可以广泛适用于人像照片的主体提取和人像合成,作为分割和识别等应用的前置步骤.

关 键 词：生成对抗网络  图像生成 人像合成  图像分割

分 类 号：TP391.41]