人脸图像风格迁移的改进算法

• 作者: 江健民 郭美钦
• 来源期刊: 深圳大学学报（理工版）
• 学科: 工学
• 关键词: 计算机图像处理 图像风格迁移 卷积神经网络 归一化互相关 仿射变换 语义分割 人脸图像
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 电子与信息科学
• 页码范围: 230-236
• 页数: 7页
• 分类号: TP391
• 字数: 4999字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2019.03230

摘要

图像风格迁移是对给定的输入图像,采用计算机手段自动将任意其他图像的风格迁移到输入图像中,使两者风格完全相同,但保持原图像内容不变.本研究通过实验发现,当这种风格迁移用到人脸图像时,由于嘴唇、眼睛等部位对空间位置差异比较敏感,容易导致风格迁移效果失真.基于DPST(deepphoto style transfer)算法,提出对空间差异鲁棒的人脸图像风格迁移的改进算法,通过将输入图像和风格图像各部分语义的分割内容在深度卷积神经网络中特征图通道间的归一化互相关最大化,对风格图像进行对应的仿射变换,每个分割区域都以对应的空间变换后的样式图像作为样式参考,有效减轻了输入图像和风格图像各部分语义分割内容在空间上存在较大差异时产生的重影.选取空间差异较大的输入图像与风格图像,对新算法和原DPST算法以及其他基准算法进行对比实验,结果表明,当两张图像各语义分割内容在空间位置相差较大时,新算法仍能产生较好的效果,鲁棒性更佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭美钦	深圳大学计算机与软件学院	1	1	1.0	1.0
2	江健民	深圳大学计算机与软件学院	1	1	1.0	1.0