基于生成对抗网络的运动模糊人脸去模糊处理器

低质量人脸图像复原是当今计算机视觉领域的研究热点，可作为人脸检测与人脸识别等任务的预处理工作。目前已有大量工作致力于解决各种环境条件下低质量人脸的问题。本文主要关注运动模糊人脸的复原。在日益丰富的移动场景中，运动模糊人脸的快速复原可为人脸匹配等任务带来高效的速度提升。为实现该目标，提出了一种基于生成对抗网络（GANs）的运动模糊人脸图像信号去模糊方法，采用端到端方式训练清晰图像生成器，即运动模糊人脸图像处理器。本文介绍了运动模糊图像的处理流程、GANs的发展与演变以及一些基本概念，随后给出了该图像处理器网络结构与训练优化设计的细节。接着，我们在一些通用人脸数据集上进行了运动模糊图像生成实验，并利用模糊与清晰人脸图像对数据对处理器GAN进行训练与测试实验，给出了若干可视化展示。最后，使用MTCNN检测去模糊处理器生成图像中的人脸，并与模糊图像的检测结果进行比较。结果表明，该去模糊处理器对运动模糊图片的处理效果在直觉感受与人脸检测评价指标上均有显著改善。