基于SRGAN改進的人臉圖像超分辨率重構(gòu)算法研究

于國慶 楊東瀚 睢丙東 李宏哲

摘?要：本文研究基于SRGAN改進的人臉超分辨率重構(gòu)算法，在生成器網(wǎng)絡(luò)的殘差單元中加入了自注意力卷積模塊，以提高網(wǎng)絡(luò)訓(xùn)練中高頻特征提取能力，在判別器網(wǎng)絡(luò)中引入PatchGAN思想，強化判別器網(wǎng)絡(luò)對高頻特征細節(jié)的判別能力，關(guān)注更多的局部紋理細節(jié)，提高重構(gòu)人臉圖像質(zhì)量。同時將WN層替換原有GAN中的BN層，在保證網(wǎng)絡(luò)訓(xùn)練速度的前提下提高網(wǎng)絡(luò)模型的穩(wěn)定性并恢復(fù)出更高質(zhì)量的人臉圖像。

關(guān)鍵詞：SRGAN;自注意力卷積模塊;PatchGAN[3]

人臉信息因其具有唯一性、普遍性等特點，在視頻偵查、行動路徑追蹤以及身份信息對比等方面有著重要的研究意義。但是對于一些特殊環(huán)境如天氣、光照等造成的人臉圖像模糊等現(xiàn)象，影響因素導(dǎo)致后期對人員信息確認的影響，本文通過結(jié)合深度學習理論與方法，對低分辨率人臉圖像的超分辨率重構(gòu)提出一種新的優(yōu)化算法。

1?生成對抗網(wǎng)絡(luò)的人臉圖像超分辨率重構(gòu)

SRGAN的提出是基于殘差網(wǎng)絡(luò)的圖像超分辨率重構(gòu)（SRResnet）的基礎(chǔ)上加入了判別網(wǎng)絡(luò)D，SRGAN由生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)組成，將低分辨率圖像作為生成網(wǎng)絡(luò)的輸入，輸出虛假的超分辨率圖像，然后將虛假的超分辨率和原始高分辨率圖像作判別網(wǎng)絡(luò)的為輸入、輸出判別結(jié)果，生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)互相對抗，當判別網(wǎng)絡(luò)無法區(qū)分高分辨率圖像和虛假超分辨率圖像時，SRGAN就完成了重構(gòu)超分辨圖像任務(wù)。

2?改進的人臉超分辨率重構(gòu)模型

2.1?生成器網(wǎng)絡(luò)的改進

將SA卷積模塊加入生成器網(wǎng)絡(luò)的殘差單元中，面對人臉重構(gòu)領(lǐng)域?qū)τ诔叩娜四槇D像細節(jié)紋理的特征學習要求，有選擇性地關(guān)注人臉局部區(qū)域的重點信息，改善重構(gòu)出人臉圖像在獲取高感知質(zhì)量的同時存在的局部失真和偽影問題。同時網(wǎng)絡(luò)模型中所有BN都由WN層代替，針對傳統(tǒng)SRGAN模型中BN層雖然能解決網(wǎng)絡(luò)訓(xùn)練過程中訓(xùn)練數(shù)據(jù)分布的標準化，但是，在執(zhí)行重構(gòu)人臉圖像的任務(wù)中，BN層則是一把雙刃劍，BN層操作會破壞提取的人臉圖像特征映射分布，發(fā)生人臉圖像色彩會被歸一化、原本的對比度信息改變等問題。改進的生成網(wǎng)絡(luò)模型如圖1所示：

2.2?改進的判別器網(wǎng)絡(luò)

在判別器網(wǎng)絡(luò)部分，隨著生成網(wǎng)絡(luò)的對人臉圖像細節(jié)紋理部分學習能力的提升，判別網(wǎng)絡(luò)也需要同時增強對細節(jié)差異的判別能力，進一步改進重構(gòu)效果。故引入的PatchGAN的思想，且仍然選擇用WN層替換BN層操作。基于PatchGAN算法改進的判別器網(wǎng)絡(luò)與傳統(tǒng)GAN網(wǎng)絡(luò)的判別器相比，并不是將輸入映射為一個實數(shù)，而是映射為一個矩陣X的形式，矩陣中的每個元素對應(yīng)輸入N×N大小的Patch樣本塊為真的概率值，最后通過對由概率值組成的概率矩陣求均值得到判別器的最終輸出。改進的判別器網(wǎng)絡(luò)模型如圖2所示：

3?損失函數(shù)構(gòu)建

損失函數(shù)的定義對于GAN網(wǎng)絡(luò)的性能優(yōu)劣不言而喻，SRGAN的特點之一就是引進了損失感知函數(shù)，由此提升了超分辨率之后的細節(jié)信息。SRGAN將對抗損失作為優(yōu)化目標，并且用VGG特征圖譜的損失函數(shù)取代了以MSE為基礎(chǔ)的內(nèi)容損失，整體的感知損失公式如式1所示，為內(nèi)容損失和對抗損失成分的加權(quán)和。

lSR=lSRX內(nèi)容損失+10-3lSRGen對抗損失（1）

式中，lSRX為內(nèi)容損失，10-3lSRGen表示對抗損失。

4?仿真實驗和結(jié)果分析

4.1?實驗環(huán)境

本文的基于SRGAN改進的人臉圖像超分辨率重構(gòu)算法的實驗環(huán)境如表1所示：

4.2?實驗數(shù)據(jù)集處理

本文實驗的數(shù)據(jù)集選自擁有202599張人臉圖像的CelebA（CelebFacesAttributes）公開數(shù)據(jù)集。在全部數(shù)據(jù)集中選擇出20000張人臉圖像，前19500張做訓(xùn)練集使用（圖像編號00001～019500），剩下的500張做測試集使用（圖像編號?019501～020000）。

4.3?訓(xùn)練過程與參數(shù)設(shè)置

本文實驗?zāi)Ｐ偷母叻直媛蕡D像采用128*128尺寸大小的圖像塊，低分辨率人臉圖像32*32尺寸大小的圖像塊，采用OpenCV的雙三次插值算法進行下采樣預(yù)處理得到，采樣因子r=4，每批次送入模型中訓(xùn)練的人臉圖像為16張，生成網(wǎng)絡(luò)中殘差模塊的殘差單元的個數(shù)仍為16個，選用Adam優(yōu)化器最小化損失函數(shù)，參數(shù)設(shè)置為β1=0.9。首先確定對SRResnet網(wǎng)絡(luò)的參數(shù)，訓(xùn)練學習率為1e3，更新迭代次數(shù)為105。在訓(xùn)練SRGAN網(wǎng)絡(luò)模型時，將預(yù)訓(xùn)練基于MSE損失函數(shù)的SRResnet模型的權(quán)重初始化SRGAN生成器的權(quán)重，避免訓(xùn)練SRGAN時出現(xiàn)局部最優(yōu)的情況。對基于SRGAN改進的人臉超分辨率重構(gòu)模型訓(xùn)練時，初始的學習率設(shè)置為1e3、1e4，更新迭代次數(shù)為205。重復(fù)訓(xùn)練生成器網(wǎng)絡(luò)和判別器網(wǎng)絡(luò)，直至判別器無法判斷重構(gòu)出圖像是否為真?zhèn)危?xùn)練結(jié)束。

4.4?主客觀評價標準

主觀評價主要是通過人眼觀測來判斷圖像的質(zhì)量。評價人員使用五級損傷評分尺度，對給定的圖像進行打分，然后取平均分（Mean?Opinion?Score，MOS）。主觀評價可以真實反映圖像的視覺效果，而且沒有技術(shù)障礙。

客觀評價是指利用一定的數(shù)學公式定量的分析重建圖像的質(zhì)量。雖然客觀評價計算過程復(fù)雜，但比主觀評價說服力更強。主要有峰值信噪比（Peak?Signal?to?Noise?Ratio，PSNR）、結(jié)構(gòu)相似性（Structural?Similarity?Index，SSIM）以及特征相似度（Feature?Similarity?Index，F(xiàn)SIM）等方法，其中PSNR和SSIM是超分辨率重構(gòu)中常用的兩種客觀評價指標。

4.5?實驗結(jié)果分析

本文的實驗將基于SRGAN改進的人臉超分辨率重構(gòu)模型重構(gòu)的圖像和5種不同的圖像重構(gòu)模型生成圖像進行對比試驗，分別為雙立方差值法（Bicubic）、SRCNN、VDSR、SRResnet、SRGAN，為保證實驗結(jié)果在客觀和主觀評價標準的公平和準確性，在其余5種圖像重構(gòu)模型訓(xùn)練以及測試時均采用實驗數(shù)據(jù)集CelebA中的訓(xùn)練集和測試集。客觀評價法選擇PSNR和SSIM兩種客觀評價標準。主觀評價法挑選了測試集圖片中兩男兩女的歐美人臉重構(gòu)效果圖直觀展示效果，并采用MOS評價法根據(jù)多個評估者對相同重構(gòu)后的人臉圖像的不同打分取均值進行判別。

如圖3所示，是部分測試集圖像在不同模型中重構(gòu)后的圖像對比。表2為低分辨人臉圖像在經(jīng)4倍上采樣，并且對重構(gòu)后的超分辨率人臉計算其PSNR和SSIM以及MOS值。

從圖3、表2所展示的圖像和定量評價結(jié)果，根據(jù)AVGPSNR和AVGSSIM兩項客觀評價指標來看，Bicubic法重構(gòu)的人臉圖像效果最差，兩項指標均為最低，視覺效果模糊。SRCNN在重構(gòu)人臉圖像質(zhì)量上略有提升，但是效果微乎其微，仍然伴有視覺模糊，人臉輪廓邊緣模糊等問題存在。SRResnet、SRGAN和本文改進的重構(gòu)算法，均在圖像重構(gòu)質(zhì)量上有了明顯的提升。且SRResnet的值最高，但基于SRResnet重構(gòu)的人臉圖像在擁有非常高的PSNR和SSIM的時候，其主觀評價標準的MOS值卻低于SRGAN和本文改進算法。主要是因SRResnet算法雖能獲得高感知質(zhì)量，但是重構(gòu)是會丟失一些高頻部分細節(jié)，人臉圖像比較平滑，而SRGAN的結(jié)果則有更好的視覺效果。而本文改進的算法在實驗結(jié)果中，對于SRGAN獲得高感知質(zhì)量人臉的同時仍然伴有局部失真等缺陷進行優(yōu)化改進，在客觀PSNR和SSIM及主觀MOS評分中都得到了提高。綜合MOS值考慮本文算法優(yōu)于其他5種算法。

結(jié)語

本文介紹了傳統(tǒng)的生成對抗網(wǎng)絡(luò)模型，并在傳統(tǒng)的生成對抗網(wǎng)絡(luò)模型的基礎(chǔ)上進行了改進，融入了自注意力機制模塊和PatchGAN思想，并將原有BN層替換為WN層，在保證人臉圖像在重構(gòu)過程中不失真的同時提高了最終重構(gòu)的圖像質(zhì)量，綜合主客觀評價標準表現(xiàn)出了最佳的效果。

參考文獻：

[1]陳剛，續(xù)磊.視頻監(jiān)控圖像偵查方法研究[J].中國人民公安大學學報：社會科學版，2012，28（3）：120125.

[2]賈潔.基于生成對抗網(wǎng)絡(luò)的人臉超分辨率重建及識別[D].電子科技大學，2018.

[3]Isola?P，Zhu?J?Y，Zhou?T，et?al.Imagetoimage?translation?with?conditional?adversarial?networks[C]//Proceedings?of?the?IEEE?conference?on?computer?vision?and?pattern?recognition.2017：1121134.

[4]LedigC，TheisL，HuszarF，eta?l.PhotorealisticSingleimagesuperresolution?Using?a?generative?adversarial?network[C]//Proceedings?of?the?IEEE?COnferenCe?0n?Computer?vision?and?pattern?recognition.2017：46814690.

作者簡介：于國慶（1969—?），男，副教授，碩士研究生導(dǎo)師，研究方向：計算機測控、電子信息技術(shù)應(yīng)用。

*通訊作者：楊東瀚（1995—?），男，碩士，研究方向：圖像處理、人臉超分辨率重構(gòu);睢丙東（1963—?），男，教授，研究方向：智能儀器儀表、計算機測控;李宏哲（1994—?），男，碩士，研究方向：圖像處理、運動人體目標檢測。