(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210552785.8 (22)申请日 2022.05.19 (71)申请人 武汉明捷科技有限责任公司 地址 430000 湖北省武汉市东湖新 技术开 发区东门路以东、 南环铁路以南、 关山 二路以西、 中环线以北当代科技园(华 夏创业中心)第1、 2、 3栋1号楼6层1号、 7号、 8号房 (72)发明人 斯小明　 (74)专利代理 机构 武汉仁合利泰专利代理事务 所(特殊普通 合伙) 42275 专利代理师 郑飞 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/50(2006.01)G06V 40/16(2022.01) G06V 10/46(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于人脸部位先验的人脸图像复原方 法 (57)摘要 本发明提供一种基于人脸部位先验的人脸 图像复原方法， 具体包括高质量人脸部位先验模 块、 低质量人脸部位映射模块和输出模块， 该基 于人脸部位先验的人脸图像复原方法， 通过训练 构建各个部位的先验网络， 给定一张低质量人脸 图像获得三个部位子图像， 分别通过各自编码器 映射到各个部位对应的高质量特征z空间， 随后 通过部位先验网络获得复原后部位结果， 将各个 复原后部位还原到整体人脸图像中， 获得最终复 原后结果， 适用于真实场景下低质量人脸图像的 高质量复原。 权利要求书2页 说明书10页 附图1页 CN 114841891 A 2022.08.02 CN 114841891 A 1.一种基于人脸部位先验的人脸图像复原方法， 其特 征在于， 具体包括： 高质量人脸部位先验模块， 每个人脸显著性部位由StyleGAN网络结构组成， 输入随机 噪声z， 经训练后分别输出高质量部位图像， 获得 各个部位先验网络； 低质量人脸部位映射模块， 由三个低质量部位编码器组成， 用来将给定的任意退化类 型的低质量人脸图像的各个部位图像， 分别映射到各自部位的高质量特征z空间， 获得各个 低质量部位对应的高质量部位的z空间特 征； 输出模块， 用来将复原后的各个部位融合， 获得复原后的人脸图像。 2.根据权利要求1所述的一种基于人脸部位先验的人脸图像复原方法， 其特征在于： 所 述高质量人脸部位先验 模块构建过程如下： ①： 输入1*P的随机噪声z， 经过Q层全连接层， 获得人脸显著性部位特征； 其中P和Q均 为 大于1的整数； ②： 输入的1*P维固定常量以及人脸显著性部位风格特征， 进行第1次调制卷积， 嵌入可 学习权重噪声， 激活函数， 获得 人脸显著性部位特 征； ③： 对人脸显著性部位特 征， 经过卷积、 激活函数， 获得 人脸显著性部位图像； ④： 对人脸显著性部位特征以及人脸显著性部位风格特征， 经过调制卷积， 嵌入可学习 权重噪声， 激活函数， 获得 人脸显著性部位特 征， 返回③； ⑤： 循环进行 ③和④九次， 获得的人脸显著性部位图像作为最终输出人脸显著性部位 图像。 3.根据权利要求2所述的一种基于人脸部位先验的人脸图像复原方法， 其特征在于： 所 有的激活操作 均为FusedLeakyReLU函数， 所有的卷积 操作均为3*3， 步长为1的卷积 操作。 4.根据权利要求1所述的一种基于人脸部位先验的人脸图像复原方法， 其特征在于： 所 述低质量人脸部位映射模块的构建过程包括： 输入一张低质量人脸图像， 获得 人脸显著性区域； 将低质量人脸显著性区域依次经过八次卷积、 归一化、 激活操作， 及第一次全连接、 激 活、 第二次全连接操作， 获得图像映射到高质量空间特 征； 低质量人脸显著性部位映射特征经过人脸先验模块， 获得复原后的人脸显著性部位高 质量结果； 将复原后的人脸显著性区域融合到整体图像中， 获得最终复原结果； 其中， 激活操作为FusedLeakyReLU函数。 5.根据权利要求4所述的一种基于人脸部位先验的人脸图像复原方法， 其特征在于： 训 练过程中特 征一致性损失约束： 对于同一张高质量图像Ih经过不同的退化参数获得的退化图像Id1和Id2， 其人脸显著性 部位经过低质量部位映射模块所获得的特 征空间z向量需要满足一 致性： 其中 为低质量人脸显著性部位映射网络， Θ为网络可学习 参数， Id1和Id2为高质量图 像Ih经过不同退化后的低质量人脸显著 性区域， Ih为高质量图像Ih裁剪的人脸显著 性区域，权　利　要　求　书 1/2 页 2 CN 114841891 A 2z1， z2和z0为对应的映射空间， z空间人脸显著性区域 一致性损失定义 为： 退化的人脸显著性部位图像Id1和Id2对应的复原出高质量结果 为： 其中 为人脸显著性部位 先验网络， ΘD为预训练的先验参数， I1‘和I2为复原出高质量 人脸显著性区域， 人脸显著性部位图像空间一 致性损失定义 为： 6.根据权利要求5所述的一种基于人脸部位先验的人脸图像复原方法， 其特征在于： 训 练过程中的多尺度重建损失： 定义通用重建损失为： 其中 和IP对应输出部 位图像以及对 应的高质量部 位图像， Φ为 预训练的VGG网络， i表 示对应的尺度空间； 人脸部位先验 模块多尺度损失定义 为： 权　利　要　求　书 2/2 页 3 CN 114841891 A 3