基于CycleGAN的低照度人脸图像增强

摘要

人脸识别系统经常会受到光照环境的影响.为了提高低照度条件下的人脸识别性能,提出了一种基于循环生成对抗网络的低照度人脸图像增强方法,利用循环生成对抗网络将低照度条件下的人脸图像转换成正常光照下的人脸图像.模型包含生成器和判别器,生成器由包含4个卷积层、9个残差网络层和2个转置卷积层的卷积神经网络组成,判别器由包含5个卷积层的卷积神经网络组成.在循环生成对抗网络训练的过程中,采用改进的损失函数,并结合梯度惩罚项来训练网络模型,提升了稳定性,加快了网络收敛速度,并且提高了生成人脸图像的质量.在VV数据集上的实验结果表明,该方法能够有效地实现低照度条件下的人脸图像增强,对比HE、MSR和MSRCR算法在PSNR、SSIM和MSE指标上有较大提高.