【技术实现步骤摘要】
本专利技术涉及一种图像超分辨率的重构方法。具体为一种基于鉴别典型相关分析的人脸图像超分辨率稀疏重构方法,可应用于模式识别、数据挖掘及图像处理等领域。
技术介绍
超分辨率(Super-resolution,SR)是一种采用硬件或软件的方法来提高图像分辨率的新兴技术,通过输入一组或多组低分辨率(Low Resolution,LR)图像,经由相关算法处理后得到一组高分辨率(High Resolution,HR)的图像。采用超分辨率技术,可以在不改变成像系统的前提下,实现提高图像空间分辨率的目的,不但可以改进图像的视觉效果,而且对图像处理、计算机视觉等领域中的基本问题如图像特征提取、图像配准、图像质量评价等的研究进展起到了推动的作用。超分辨率技术有着较为宽广的应用前景,例如:视频监控、视频压缩、医学诊断、遥感应用、天文观测等。1984年,Tsai和Huang首次提出了超分辨率重建问题,他们提出用傅里叶变换作为基础框架,给出了一个利用多幅欠采样图像重建一副高分辨率图像的频率域方法。随着人们对于超分辨率技术的深入研究,产生了多种经典的超分辨率重建模型框架,如非均匀内插值法(Ur and Gross,1992)、迭代反投影法(Irani and Peleg,1991)、最大似然法(Tom and Katsaggelos,1994;Matins et al,2009)等。Baker提出了一种针对人脸图像的虚幻脸(Face Hallucination)超分辨率方法。2001年,Liu等针对人脸图像的超分辨率重建问题根据贝叶斯方法提出了两步法,即在第一步恢复出高分辨率图像后 ...
【技术保护点】
一种基于鉴别典型相关的超分辨率稀疏重构方法,包括以下步骤:(1)首先,对人脸图像提取全局特征,将特征集合利用典型相关分析(Discriminant Canonical Correlation Analysis,DCCA)映射至DCCA的相关子空间中,使得高分辨率与低分辨率图像在相关子空间中达到最大相关,并进行邻域重构,得到低分辨率图像对应的高分辨率图像的全局特征,逆推得到测试样本对应的高分辨率全局脸图像。重构得到该全局脸图像的具体步骤如下所示:对高分辨率图像训练样本和对应的低分辨率图像样本利用主成分分析PCA提取高低分辨率人脸图像的全局特征,通过一般的PCA模型可以得到在PCA子空间中的投影向量PH、PL,其对应的主成分可表示为:其中,表示对TiH中心化处理,μH、μL分别表示高、低分辨率训练图像样本集的均值对于提取出来的PCA得分向量XH、XL,将其映射至DCCA的相关子空间,求出对应的投影向量CH、CL。因此在DCCA投影子空间中的得分向量VH和VL可表示为:接下来,输入低分辨率的测试样本Tl,将其投影至训练样本TL的PCA子空间中得到Xl=(PL)T(Tl‑μL),并继续将Xl投 ...
【技术特征摘要】
1.一种基于鉴别典型相关的超分辨率稀疏重构方法,包括以下步骤:(1)首先,对人脸图像提取全局特征,将特征集合利用典型相关分析(Discriminant Canonical Correlation Analysis,DCCA)映射至DCCA的相关子空间中,使得高分辨率与低分辨率图像在相关子空间中达到最大相关,并进行邻域重构,得到低分辨率图像对应的高分辨率图像的全局特征,逆推得到测试样本对应的高分辨率全局脸图像。重构得到该全局脸图像的具体步骤如下所示:对高分辨率图像训练样本和对应的低分辨率图像样本利用主成分分析PCA提取高低分辨率人脸图像的全局特征,通过一般的PCA模型可以得到在PCA子空间中的投影向量PH、PL,其对应的主成分可表示为:其中,表示对TiH中心化处理,μH、μL分别表示高、低分辨率训练图像样本集的均值对于提取出来的PCA得分向量XH、XL,将其映射至DCCA的相关子空间,求出对应的投影向量CH、CL。因此在DCCA投影子空间中的得分向量VH和VL可表示为:接下来,输入低分辨率的测试样本Tl,将其投影至训练样本TL的PCA子空间中得到Xl=(PL)T(Tl-μL),并继续将Xl投影至其对应的DCCA子空间中,即由于高分辨率图像和低分辨率图像通过DCCA投影后能够达到最大相关,因此同等分辨率的训练样本与测试样本之间存在着一个可以线性表示的邻域结构关系,结合稀疏思想,在VL中选取k个样本即与Vl建立邻域关系。给出一组权值使得最小,权值可用如下公式求出:其中为Gram矩阵。因此,可得出所求的测试样本的高分辨率图像在DCCA子空间中的得分向量:其中为DCCA子空间下与VK所对应的高分辨...
【专利技术属性】
技术研发人员:葛洪伟,周梦璇,李莉,朱嘉钢,
申请(专利权)人:江南大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。