一种基于样本学的人脸图像超分辨率重建方法

摘要

本发明是一种基于样本学的人脸图像超分辨率重建方法，基于样本学并针对人脸结构特征进行优化的人脸图像超分辨率重建，本发明的特征在于具有以下处理步骤：(1)分为训练和超分辨率重建两个部分；(2)对输入图像进行标定、分块等处理；(3)在训练得到的数据库中根据标定结果按邻域搜索残差人脸图像；(4)利用残差图像计算输入图像的。本发明所提供的算法，由其适用于人脸图像的超分辨率处理。在保持较好效果的同时，该方法还具有处理速度快，鲁棒性强等特点。

主权项

1.一种基于样本学习的人脸图像超分辨率重建方法，其特征在于：包含以下步骤：步骤S1：进入训练部分，首先设有由大小相同的m幅高分辨率人脸样本图像组成的样本图像集{I^H}^m，其中I^H表示样本图像，样本图像集中的第i幅样本图像表示为1≤i≤m，使用人脸标定算法或手工对m幅样本图像中的人脸结构进行标定，得到每幅样本图像的人脸特征，并依据人脸特征对m幅样本图像进行对齐处理，使相同的人脸特征位于样本图像中大致相同的位置；步骤S2：利用公式↑n对第i幅样本图像进行处理，得到第i幅样本图像在缩小n倍时所损失的残差图像其中↑为上采样运算，↓为下采样运算，n为上采样或下采样的倍数，为对第i幅样本图像进行n倍下采样后得到的低分辨率图像，对m幅样本图像进行处理，得到的残差图像和低分辨率图像可分别组成残差图像集{I^D}^m和低分辨率图像集{I^L}^m；步骤S3：对低分辨率图像集{I^L}^m中所有的图像放大n倍，并对得到的图像进行高通滤波得到中频图像集{I^M}^m；步骤S4：对中频图像集{I^M}^m和残差图像集{I^D}^m中的图像进行重叠分块，分别建立中频图像块数据库和残差图像块数据库，训练结束；步骤S5：进入超分辨率重建处理部分，设输入图像为I，首先对输入图像I按人脸结构进行标定与对齐，标定和对齐与训练部分中的相同；步骤S6：在图像放大倍数n取与训练部分中相同的值时，有I↑n图像与训练图像大小相同，对I↑n进行高通滤波，获得中频图像I^M；步骤S8：对中频图像I^M进行重叠分块，得到中频图像块集{P^M}ⁿ，n为分块总数，表示中频图像块集中的第i个块，其中1≤i≤n；步骤S9：对中频图像块1≤i≤n，根据人脸标定信息在中频图像块数据库中搜索若干最相关的候选中频图像块，取出与搜索得到的中频图像块对应的残差图像块，因此对每个小块得到一个候选中频图像块集和残差图像块集其中N，N≥1，为每个输入中频图像块的候选块个数，第i个中频图像块的第j个候选中频图像块和候选残差图像块分别记为和步骤S10：使用最大后验概率算法进行全局优化，最终为每一个中频图像块选择残差图像块集中的一个最优残差图像块步骤S11：对得到的最优的残差图像块进行拼接，得到残差图像I^D，将残差图像I^D叠加到图像I↑n上，获得合成的图像；步骤S12：对合成的图像进行平滑且保持边缘的滤波算法处理，得到最终的超分辨率图像，完成超分辨率处理。