主权项 |
1.一种基于多流形判别分析超分辨率的人脸识别方法,其特征在于,包括如下步骤:步骤1,构建高分辨率人脸图像训练集和对应的低分辨率人脸图像训练集,低分辨率人脸图像训练样本集中包括低分辨率人脸样本图像x<sub>1</sub>,x<sub>2</sub>,…,x<sub>N</sub>,用矩阵X=[x<sub>1</sub>,x<sub>2</sub>,…,x<sub>N</sub>]表示,高分辨率人脸图像训练样本集中包括高分辨率人脸样本图像y<sub>1</sub>,y<sub>2</sub>,…,y<sub>N</sub>,用矩阵Y=[y<sub>1</sub>,y<sub>2</sub>,…,y<sub>N</sub>]表示;步骤2,低分辨率人脸图像训练集构成低分辨率人脸图像多流形空间,高分辨率人脸图像训练集构成高分辨率人脸图像多流形空间,计算一个低分辨率人脸图像多流形空间到高分辨率人脸图像多流形空间的映射矩阵,包括以下子步骤,步骤2.1,利用以下两式得到类内相似性图W<sub>w</sub>和类间相似性图W<sub>b</sub>,<img file="FDA00001678491200011.GIF" wi="1037" he="203" /><img file="FDA00001678491200012.GIF" wi="1033" he="203" />其中,W<sub>w(i,j)</sub>是类内相似性图W<sub>w</sub>所构成矩阵第i行第j列的元素;W<sub>b(i,j)</sub>是类间相似性图W<sub>b</sub>所构成矩阵第i行第j列的元素;<img file="FDA00001678491200013.GIF" wi="176" he="62" />表示在高分辨率人脸图像多流形空间中,与高分辨率人脸样本图像y<sub>i</sub>同一流形的K<sub>w</sub>个最近邻的样本,<img file="FDA00001678491200014.GIF" wi="173" he="62" />表示在高分辨率人脸图像多流形空间中,与高分辨率人脸样本图像y<sub>i</sub>不同流形的K<sub>b</sub>个最近邻的样本;i的取值为1,2,…,N,j的取值为1,2,…,N,i≠j;参数K<sub>w</sub>和参数K<sub>b</sub>采用预设的经验值;步骤2.2,分别根据<img file="FDA00001678491200015.GIF" wi="430" he="126" />和<img file="FDA00001678491200016.GIF" wi="446" he="126" />计算得到对角矩阵D<sub>w</sub>和D<sub>b</sub>;其中,D<sub>w</sub>(i,j)表示对角矩阵D<sub>w</sub>上i行第i列的元素,D<sub>w</sub>(i,i)表示对角矩阵D<sub>w</sub>上i行第i列的元素;步骤2.3,分别根据L<sub>w</sub>=D<sub>w</sub>-W<sub>w</sub>和L<sub>b</sub>=D<sub>b</sub>-W<sub>b</sub>,计算得到类内拉普拉斯矩阵L<sub>w</sub>和类间拉普拉斯矩阵L<sub>b</sub>;步骤2.4,将类内拉普拉斯矩阵L<sub>w</sub>和类间拉普拉斯矩阵L<sub>b</sub>代入到下式得到映射矩阵AA=YX<sup>T</sup>{XX<sup>T</sup>+αX(L<sub>w</sub>-βL<sub>b</sub>)X<sup>T</sup>}<sup>-1</sup>其中,参数α和参数β采用预设的经验值;步骤3,输入一张低分辨率人脸图像,利用步骤2中得到的映射矩阵得到对应的高分辨率人脸图像;步骤4,在高分辨率人脸图像多流形空间,用最近邻分类器对步骤3中得到的高分辨率人脸图像进行分类识别。 |