CN119417695A 一种基于生成对抗网络gan的发型移植方法 （山东齐鲁壹点传媒有限公司）

一种基于生成对抗网络GAN的发型移植方用图像分割技术生成源图像和目标图像相应区行调整。本发明提供的基于生成对抗网络GAN的2S2、使用图像分割技术生成源图像和目标图2.根据权利要求1所述的基于生成对抗网络GAN的;;3.根据权利要求1所述的基于生成对抗网络GA;;;;3yt-JS表示源图像在垂直方向的平移量，用于使对齐后的图像与目标图像的感兴趣区域垂直对4.根据权利要求1所述的基于生成对抗网络GAN的发型移植方S41、计算源图像Isourse的颜色分布直方图Hsorse(v)，并计算目标图像ltarget的颜5.根据权利要求4所述的基于生成对抗网络GA;。6.根据权利要求4所述的基于生成对抗网络GAN的发骤S43中，将源图像的颜色值映射到目标图像中最接近的颜色值vt的过程通过以下公式;7.根据权利要求1所述的基于生成对抗网络GAN;8.根据权利要求7所述的基于生成对抗网络GAN的发4;;9.根据权利要求1所述的基于生成对抗网络GAN的发型,,其中，LP表示判别器的损失函数，EX~pdata(x)[logD(x)]表示判别器正确识别真实图像的能力，表示判别器正确识别生成图像为假的能5[0001]本发明属于图像处理和计算机视觉领域，具体涉及一种基于生成对抗网络GAN的[0004]本发明提供了一种基于生成对抗网络GAN的发型移植方法，能够解决发型移植后的效果不够自然的问题，能够使发型对齐目标图像且使发型颜色与目标图像的颜色相匹;6;;其中，Xs、ys表示源图像中感兴趣区域的左上角坐标；ws表示源图像中感兴趣;;laligned表示调整后的源图像；Translate表示图像的平移操作；xt一xs表示源图像在水平方向的平移量，用于使对齐后的图像与目标图像的感兴趣区域水平对齐；yt-JS表示源图像在垂直方向的平移量，用于使对齐后的图像与目标图像的感兴趣区域S41、计算源图像Isourse的颜色分布直方图Hsor;。7值vt的过程通过以下公式表示：;;;其中，表示判别器的参数；n表示学习率；vo,LP表示判别器的损失函数L;[0014]S11、通过生成器生成与输入图像风格一致的合成图像，使生成的图像尽可能逼,其中，LC表示生成器的损失函数，生成器的目的是最小化判别器D对生成图像8,其中，LP表示判别器的损失函数，EX~pdata(x)[logD(x)]表示判别器正确识位置和颜色方面接近目标图像的发型区域，然后通过训练后的GAN模型生成发型融合后的在训练过程中能够不断优化生成器和判别器的参数，使生成的融合图像逐步接近真实效9;;;其中，Xs、ys表示源图像中感兴趣区域的左上角坐标；ws表示源图像中感兴趣;;laligned表示调整后的源图像；Translate表示图像的平移操作；xt一xs表示源图像在水平方向的平移量，用于使对齐后的图像与目标图像的感兴趣区域水平对齐；表示源图像在垂直方向的平移量，用于使对齐后的图像与目标图像的感兴趣区域[0023]其中，S32中的两个公式用来描述源图像中感兴趣区域（RegionofInterest，S41、计算源图像Hsorse(v)的颜色分布直方图ltarget，并计算目标图像。;。[0027]进一步的，步骤S43中，将源图像的颜色值vt映射到目标图像中最接近的颜色值的过程通过以下公式表示：;;辨生成的融合图像和真实图像的差别，生成器的目标是最小化判别器对生成图像的误判，;其中，n表示判别器的参数；vo,LP表示学习率；LP表示判别器的损失函数关;LC=-BZ-neollogD(c(2)l关于生成器参数lc的梯度。S11、通过生成器生成与输入图像风格一致的合成图像，使生成的图像尽可能逼,,X=processor(I)表示判别器正确识别真实图像的能力，M=segformer(x)表示不断迭代更新生成器G的参数，最终使得生成器G能够生成让判别器D难以区分其与真实数Recttarget=(xt,yt,wt,hp)作[