魏 赟，孙 硕

(上海理工大学 光电信息与计算机工程学院,上海 200093)

1 引 言

随着深度学习的发展，带来了许多新的方法，在不断刷新人脸识别的准确率.但是这些超高的识别率是建立在特定的条件下，如果人脸图像由于围巾、眼镜、口罩等造成的遮挡而缺失部分信息，则他们的识别性能会大幅度降低.为了解决这一问题，人们尝试去恢复遮挡区域的像素，即人脸修复[1,2].但是考虑到遮挡的多样性和人脸细节的复杂性，这项任务变的非常具有挑战性.

近些年来，已经提出了各种方法来处理人脸图像的遮挡问题，对于在一定约束下得到的人脸图像[3-6].在文献[3]中，Park等人使用PCA来重建眼镜遮挡住的区域.Robust-PCA框架[4]用于利用非遮挡的面部图像集检测输入图像的遮挡遮罩，然后基于先验信息对遮挡的部分进行修复.在文献[5]中，周等人将马尔可夫随机场模型结合到被遮挡人脸图像的稀疏表示的计算中以保证重建误差的局部空间连续性.唐等人[6]提出了一个强大的基于Boltzmann机器的模型来处理遮挡和噪声.这种无监督模型使用乘法门控来诱导两个高斯的像素混合.这些方法都需要没有任何遮挡的面部图像以及与数据集相应的遮挡图像.很难收集具有大量图像和各种遮挡的这种数据集.因此，为了训练这样的方法，通常使用来自常用面部数据库的具有不同遮挡物(例如围巾、太阳镜)的人工生成的遮挡图像.

传统的图像修复方法[7,8]通过依赖于低级……