基于高频超分辨率的低分辨率步态识别方法

摘要

本发明属于图像处理技术领域，具体为一种基于高频超分辨率的低分辨率步态识别方法。本发明方法中，首先，将训练图像进行子采样，与原图像进行相减，获得他们的高频部分；其次，使用低分辨率的测试图像在子采样获得的低分辨率训练图像中进行邻域嵌入，获得对测试图像的高分辨率的高频部分；然后，使用插值获得高分辨率的中低频部分，相加得到测试高分辨率的图像；最后，使用得到的测试高分辨率图像作为步态识别的输入图像，进行步态识别。本发明可从远距离的低分辨率图像中恢复出高分辨率图像，从而提高步态识别的精度和扩大频态识别的距离。

主权项

1、一种基于高频超分辨的低分辨率步态识别方法，其特征在于具体步骤如下：(1)将步态帧图像转换为步态能量图GEI，对这些步态能量图进行下述处理；(2)对训练高分辨率图像TRH进行如下处理：第一、进行s倍的子采样，获得低分辨率图像TRL。第二、使用TRL进行扩大s倍的插值重构得到训练高分辨率插值图像TRHB；第三、计算残差，得到TRH的训练高分辨图像的高频部分TRHR；第四、对TRL进行b倍子采样，得到训练低分辨率子采样图像TRLL；第五、使用TRLL进行扩大b倍的插值重构，得到对TRL插值的估计训练低分辨率残差图像TRLB；第六、计算残差，得到TRL的高频部分TRLR；这里S取2、4或8，b取2n，n＝1、2、3、4或5；(3)将测试图像TEL进行b倍子采样，得到测试低分辨率子采样图像TELL，对其进行线性插值，并计算b倍残差得到低分辨率测试图像的高频部分TELR；(4)将训练残差图像TRHR和TRLR对进行切割，将TRLR切成3×3的图像块TRLRp，将TRHR切成3s×3s的图像块TRHRp；形成多组TRLRpj和TRHRpj的图像对；同样对测试残差图像TELR进行切割，将TELR切成3×3的图像块TELRpi；(5)通过线性邻域插值寻找每个TELRpi在所有TRLRpj形成的空间中的邻域嵌入，得到TELRpi的K个近邻TRLRpij，和相应的嵌入权重Wij、j＝1，2，...，K，i＝TELR分割得到的图像块数，取4-10的整数；(6)将K个近邻TRLRpj所对应的TRHRpj乘以权值后形成对TELRpi所对应的高分辨率残差块的估计值TEHRpi：${\mathrm{TEHRp}}_i={\Sigma }_{j=1}^K{W}_{\mathrm{ij}}\mathrm{TRHR}{p}_{\mathrm{ij}}---\left(9\right)将每个TELRpi进行这样的处理之后就得到所有的TEHRpi，再将这些高分辨率残差块按顺序拼在一起得到整个测试高分辨率残差图像的估计TEHR；(7)使用TEL进行s倍的插值，得到TEHB，最终的对TEL对应的超分辨率处理结果是TEH＝TEHB+TEHR；(8)用最近邻方法，使用超分辨率结果进行步态识别。$