主权项 |
一种人脸图像超分辨率重建的方法,其特征在于,所述方法包括:将测试人脸图像与训练人脸图像都划分成图像块,其中,所述测试人脸图像的分辨率低于指定分辨率,所述训练人脸图像包括高分辨率的训练人脸图像和低分辨率的训练人脸图像,所述高分辨率的训练人脸图像的分辨率不低于所述指定分辨率,所述低分辨率的训练人脸图像的分辨率低于所述指定分辨率;根据平滑度将所述测试人脸图像中的所有图像块分为两类,平滑块和非平滑块,对每个非平滑块再继续划分,直至划分后不存在非平滑块或划分后的非平滑块满足预设条件时停止划分,所述预设条件为划分后的非平滑块的尺寸小于等于预设尺寸或划分后的非平滑块的平滑度小于等于预设的第二阈值;对所述训练人脸图像按照与所述测试人脸图像中各块的位置进行相同的划分得到子块;根据所述低分辨率的训练人脸图像中的各子块计算所述测试人脸图像中对应位置的各非平滑块的权重系数,根据所述权重系数和所述高分辨率的训练人脸图像中对应位置的各子块得到所述测试人脸图像中各非平滑块对应的重建图像块;对所述测试人脸图像中的每个平滑块进行双三次插值得到对应的重建图像块;将所述测试人脸图像中各非平滑块的重建图像块与各平滑块的重建图像块按照位置合成为一个人脸图像,得到所述测试人脸图像的超分辨率重建人脸图像;其中,所述平滑度的公式如下:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>S</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><msqrt><mrow><mo>▿</mo><msub><mi>I</mi><mi>x</mi></msub><msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><mo>▿</mo><msub><mi>I</mi><mi>y</mi></msub><msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msup></mrow></msqrt><mo>;</mo></mrow>]]></math><img file="FDA0001046972780000011.GIF" wi="830" he="142" /></maths><maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mtable><mtr><mtd><mrow><mo>▿</mo><msub><mi>I</mi><mi>x</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>-</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>+</mo><mn>2</mn><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>+</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><mrow><mo>-</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>-</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><mn>2</mn><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></mtd></mtr></mtable><mo>;</mo></mrow>]]></math><img file="FDA0001046972780000021.GIF" wi="1462" he="175" /></maths><maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mtable><mtr><mtd><mrow><mo>▿</mo><msub><mi>I</mi><mi>y</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>-</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>+</mo><mn>2</mn><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>-</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>+</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>-</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><mrow><mo>-</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><mn>2</mn><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mn>1</mn><mo>,</mo><mi>y</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow></mrow></mtd></mtr></mtable><mo>;</mo></mrow>]]></math><img file="FDA0001046972780000022.GIF" wi="1462" he="183" /></maths><maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msub><mi>S</mi><mi>j</mi></msub><mo>=</mo><mfrac><mn>1</mn><msub><mi>n</mi><mi>j</mi></msub></mfrac><mi>Σ</mi><mi>S</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0001046972780000023.GIF" wi="439" he="151" /></maths><maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><msub><mi>σ</mi><mi>j</mi></msub><mo>=</mo><mo>|</mo><msubsup><mi>λ</mi><mn>1</mn><mi>j</mi></msubsup><mo>|</mo><mo>+</mo><mo>|</mo><msubsup><mi>λ</mi><mn>2</mn><mi>j</mi></msubsup><mo>|</mo><mo>;</mo></mrow>]]></math><img file="FDA0001046972780000024.GIF" wi="390" he="93" /></maths>σ<sub>j</sub>为第j个图像块的平滑度,(x,y)为第j个图像块的一个像素点坐标,I(x,y)为(x,y)像素点坐标的灰度值,<img file="FDA0001046972780000025.GIF" wi="206" he="63" />代表所述像素点水平方向的梯度值,<img file="FDA0001046972780000026.GIF" wi="206" he="77" />代表所述像素点垂直方向的梯度值,S(x,y)为所述像素点的梯度值,S<sub>j</sub>为所述第j个图像块中每个像素点的梯度值除以n<sub>j</sub>后组成的结构矩阵,n<sub>j</sub>为所述第j个图像块中像素总数,<img file="FDA0001046972780000027.GIF" wi="55" he="85" />和<img file="FDA0001046972780000028.GIF" wi="56" he="86" />分别为所述结构矩阵S<sub>j</sub>的两个最大的特征值。 |