ktkp-073
Ｖｏｌ ３７Ｎｏ．９２０２０年９月
ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ
Ｓｅｐ．２０２０
仝宗和１ 刘 钊２
１
（中国人民公安大学信息技术与网络安全学院 北京１０２６２３） ２
（中国人民公安大学网络空间安全与法治协同创新中心 北京１０００３８）
收稿日期：
２０１９－０６－２２。国家重点研发计划项目（２０１８ＹＦＣ０８０９８００）；公安部公安理论软科学项目（２０１８ＬＬＹＪＧＡＤＸ０１４）。仝宗和，硕士生，主研领域：计算机视觉。刘钊，讲师。
氨基酸水解摘 要 清晰人脸受实际场景各种因素制约难以获得，因此模糊人脸的增强与清晰化技术具有重要的实际应用意义，但传统的图像增强算法存在处理类型单一等局限。采用基于深度生成对抗网络的模糊人脸增强方法，通过生成模型实现人脸清晰化。在７种模糊类型上与当前主流的图像到图像生成对抗网络进行对比，结果表明，该算法生成能够生成更加清晰、与原图相似度更高的增强人脸图像。关键词 深度学习 生成对抗网络 图像增强 中图分类号 ＴＰ３１１．５２ 文献标志码 Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００ ３８６ｘ．２０２０．０９．０２４
ＦＵＺＺＹＦＡＣＥＥＮＨＡＮＣＥＭＥＮＴＢＡＳＥＤＯＮＤＥＥＰＧＥＮＥＴＡＴＩＶＥ
ＡＤＶＥＲＳＡＲＩＡＬＮＥＴＷＯＲＫ
ＴｏｎｇＺｏｎｇｈｅ１ ＬｉｕＺｈａｏ
变压器蝶阀２
１
（ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙａｎｄＮｅｔｗｏｒｋＳｅｃｕｒｉｔｙ，Ｐｅｏｐｌｅ’ｓＰｕｂｌｉｃＳｅｃｕｒｉｔｙＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａ，Ｂｅｉｊｉｎｇ１０２６２３，Ｃｈｉｎａ）
２
（ＣｙｂｅｒｓｐａｃｅＳｅｃｕｒｉｔｙａｎｄＲｕｌｅｏｆＬａｗＣｏｌｌａｂｏｒａｔｉｖｅＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒ，Ｐｅｏｐｌｅ’ｓＰｕｂｌｉｃＳｅｃｕｒｉｔｙＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａ，Ｂｅｉｊｉｎｇ１０００３８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ Ｉｔｉｓｄｉｆｆｉｃｕｌｔｔｏｏｂｔａｉｎａｃｌｅａｒｆａｃｅｄｕｅｔｏｖａｒｉｏｕｓｆａｃｔｏｒｓｉｎｔｈｅａｃｔｕａｌｓｃｅｎｅ．Ｔｈｅｒｅｆｏｒｅ，ｅｎｈａｎｃｅｍｅｎｔｏｆｆｕｚｚｙｆａｃｅｓａｎｄｃｌｅａｒｎｅｓｓｔｅｃｈｎｉｑｕｅｈａｖｅｈａｖｅｉｍｐｏｒｔａｎｔｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎｓｉｇｎｉｆｉｃａｎｃｅ．Ｈｏｗｅｖｅｒ，ｔｒａｄｉｔｉｏｎａｌｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔａｌｇｏｒｉｔｈｍｓｈａｖｅｌｉｍｉｔａｔｉｏｎｓｓｕｃｈａｓａｓｉｎｇｌｅｔｙｐｅｏｆｐｒｏｃｅｓｓｉｎｇ．Ｔｈｉｓｐａｐｅｒｕｓｅｓａｆｕｚｚｙｆａｃｅｅｎｈａｎｃｅｍｅｎｔｍｅｔｈ
ｏｄｂａｓｅｄｏｎｄｅｅｐｇｅｎｅｒａｔｉｖｅａｄｖｅｒｓａｒｉａｌｎｅｔｗｏｒｋ．Ｔｈｅｆａｃｅｓｈａｒｐｅｎｉｎｇｗａｓｒｅａｌｉｚｅｄｂｙｇｅｎｅｒａｔｉｎｇｍｏｄｅｌ．Ｔｈｅｃｕｒｒｅｎｔｍａｉｎｓｔｒｅａｍｉｍａｇｅ ｔｏ ｉｍａｇｅｇｅｎｅｒａｔｉｏｎａｄｖｅｒｓａｒｉａｌｎｅｔｗｏｒｋｗａｓｃｏｍｐａｒｅｄｏｎｔｈｅ７ｆｕｚｚｙｔｙｐｅｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｃａｎｇｅｎｅｒａｔｅｅｎｈａｎｃｅｄｆａｃｉａｌｉｍａｇｅｓｗｉｔｈｃｌｅａｒｅｒａｎｄｈｉｇｈｅｒｓｉｍｉｌａｒｉｔｙｔｏｔｈｅｏｒｉｇｉｎａｌｉｍａｇｅ．Ｋｅｙｗｏｒｄｓ Ｄｅｅｐｌｅａｒｎｉｎｇ Ｇｅｎｅｒａｔｉｖｅａｄｖｅｒｓａｒｉａｌｎｅｔｗｏｒｋ Ｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔ
０ 引 言
人脸图像在安防、电子商务等领域中得到了越来越广泛的应用。例如：搜索引擎运用人脸图像进行人物搜索；手机、电脑等电子设备采用人脸图像解锁；公安领域运用人脸识别技术侦破案件等。但在现实应用中，受制于实际场景下的各种因素，清晰人脸难以获得，一些图像质量差、模糊的人脸图像无法满足应用要求。一方面，为了消除模糊人脸对识别准确率的影响，网络视频传输
人们提出了很多不同的模糊人脸识别方法［１－３］
，
光学检测技术这些
双蛋合体方法都是从模糊人脸图像提取更多的人脸信息，以达
到识别的要求，但识别度仍不如清晰人脸。另一方面，
文献［４－６］利用图像增强技术［７－１０］
处理模糊人脸图
像以达到应用要求。模糊人脸增强是图像增强技术的一个应用方向，传统的图像增强技术主要分为空间域
法和频率域法。空间域法主要指图像平滑和锐化［１１］；
频率域法基本的增强方法为低通滤波法、高通滤波法
和同态滤波法［１２］。这类方法能够在一定程度上将模
糊人脸清晰化，但在运用场景上较单一，一般只适用于特定的环境或某一种特定的模糊图像，普适性较差。
模糊人脸清晰化需要考虑两个关键点：生成的清
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议