一种基于CCA空间的人脸图像多层重构方法技术

本发明专利技术公开了一种基于CCA空间的人脸图像多层重构方法，其采用大尺寸对训练的低、高分辨率人脸图像及测试的低分辨率人脸图像分块，获得低分辨率字典和高分辨率字典；然后对两类字典进行一次CCA映射，并对两类一次映射的字典进行稀疏更新；接着对两类更新后的字典进行反映射，并对两类反映射字典进行再次CCA映射；之后通过计算两类再次映射的字典各自中的每列向量分别与测试的低分辨率图像中对应图像块的列向量的欧氏距离对字典排序，并通过基于平滑的超分辨率重构方法获得经一层重构的高分辨率人脸图像；再选择小尺寸进行分块，重复上述过程，并引入一层重构的高分辨率图像的约束，获得经二层重构的高分辨率人脸图像；优点是重构效果好。

A Multilayer Reconstruction Method of Face Image Based on CCA Space

【技术实现步骤摘要】
一种基于CCA空间的人脸图像多层重构方法
本专利技术涉及一种人脸图像重构技术，尤其是涉及一种基于CCA(CanonicalCorrelationAnalysis，典型相关分析)空间的人脸图像多层重构方法。
技术介绍
视频监控中最重要的人脸识别问题是一项困难且复杂的问题。对于监控视频中的人脸图像，往往因为光线不足、人脸距离监控设备过远等原因而变得边缘结构信息不清晰、细节模糊。为了解决人脸图像的边缘结构信息不清晰、细节模糊的问题，就有必要利用先验信息，提升人脸图像的分辨率，即利用观测到的低分辨率(low-resolution，LR)的人脸图像，重构出高分辨率(high-resolution，HR)的人脸图像，这是一个人脸图像的超分辨率(super-resolution，SR)重构问题，重构出的高分辨率的人脸图像为人脸的识别和分析提供了更多的细节信息。人脸图像的超分辨率重构技术在计算机视觉领域一直广受关注，如何更好地对人脸图像进行重构，国内外相关机构进行了深入地研究。如：Jiang等人在J.Jiang,R.Hu,Z.Wang,andZ.Han，“Noiserobustfacehalluci本文档来自技高网...

【技术保护点】
1.一种基于CCA空间的人脸图像多层重构方法，其特征在于包括以下步骤：步骤一：选取一个人脸图像数据库，该人脸图像数据库中包含至少两幅低分辨率人脸图像及每幅低分辨率人脸图像对应的高分辨率人脸图像，将人脸图像数据库中的第n幅低分辨率人脸图像及其对应的高分辨率人脸图像对应记为

【技术特征摘要】
1.一种基于CCA空间的人脸图像多层重构方法，其特征在于包括以下步骤：步骤一：选取一个人脸图像数据库，该人脸图像数据库中包含至少两幅低分辨率人脸图像及每幅低分辨率人脸图像对应的高分辨率人脸图像，将人脸图像数据库中的第n幅低分辨率人脸图像及其对应的高分辨率人脸图像对应记为和并将测试的低分辨率人脸图像记为其中，n为正整数，1≤n≤N，N表示人脸图像数据库中包含的低分辨率人脸图像的总幅数，N≥2，和的宽度均为W，和的高度均为H；步骤二：采用滑动窗口技术将人脸图像数据库中的每幅低分辨率人脸图像划分成S1个相互重叠的尺寸大小为k1×k1的图像块，将中的第s1个图像块记为同样，采用滑动窗口技术将人脸图像数据库中的每幅低分辨率人脸图像对应的高分辨率人脸图像划分成S1个相互重叠的尺寸大小为k1×k1的图像块，将中的第s1个图像块记为采用滑动窗口技术将划分成S1个相互重叠的尺寸大小为k1×k1的图像块，将中的第s1个图像块记为其中，滑动窗口的大小为k1×k1，k1＝5,7,9,11，滑动窗口的滑动步长为1个像素点，S1＝(W-k1+1)×(H-k1+1)，s1为正整数，1≤s1≤S1；步骤三：将人脸图像数据库中的每幅低分辨率人脸图像中的每个图像块中的所有像素点的像素值排列构成对应的列向量，将对应的列向量记为同样，将人脸图像数据库中的每幅低分辨率人脸图像对应的高分辨率人脸图像中的每个图像块中的所有像素点的像素值排列构成对应的列向量，将对应的列向量记为将中的每个图像块中的所有像素点的像素值排列构成对应的列向量，将对应的列向量记为然后将人脸图像数据库中的所有低分辨率人脸图像中的同一位置的图像块对应的列向量构成一个低分辨率字典，共构成S1个低分辨率字典，将人脸图像数据库中的所有低分辨率人脸图像中的第s1个图像块对应的列向量构成的低分辨率字典记为同样，将人脸图像数据库中的所有高分辨率人脸图像中的同一位置的图像块对应的列向量构成一个高分辨率字典，共构成S1个高分辨率字典，将人脸图像数据库中的所有高分辨率人脸图像中的第s1个图像块对应的列向量构成的高分辨率字典记为其中，的维数均为(k1×k1)×1，的维数均为(k1×k1)×N，中的第n个列向量为中的第n个列向量为步骤四：计算每个低分辨率字典和每个高分辨率字典各自对应的投影矩阵，将对应的投影矩阵记为将对应的投影矩阵记为其中，和的维数均为L×(k1×k1)，L表示CCA空间的维度大小，L∈{1,2,…,k1×k1}；步骤五：将每个低分辨率字典从图像空间映射到CCA空间，得到对应的一次映射低分辨率字典，将对应的一次映射低分辨率字典记为同样，将每个高分辨率字典从图像空间映射到CCA空间，得到对应的一次映射高分辨率字典，将对应的一次映射高分辨率字典记为其中，和的维数均为L×N；步骤六：计算每个一次映射低分辨率字典的稀疏系数向量，将的稀疏系数向量记为通过计算得到；然后利用每个一次映射低分辨率字典的稀疏系数向量对该一次映射低分辨率字典进行一次稀疏更新，得到每个一次映射低分辨率字典更新后的字典，将更新后的字典记为若中的第n个元素为非零元素，则将中的第n列向量提取出来，再将从中提取出的所有列向量按原顺序构成同样，对每个一次映射高分辨率字典进行一次稀疏更新，得到每个一次映射高分辨率字典更新后的字典，将更新后的字典记为若中的第n个元素为非零元素，则将中的第n列向量提取出来，再将从中提取出的所有列向量按原顺序构成其中，的维数为N×1，argmin()表示求残差最小值，符号“||||2”为l2范数正则项运算符号，符号“||||1”为l1范数正则项运算符号，λ1为一个常数，λ1∈(0,1)，和的维数为L×M，M表示中的非零元素的总个数，1≤M＜N；步骤七：将每个一次映射低分辨率字典更新后的字典从CCA空间反映射回图像空间，得到对应的反映射低分辨率字典，将对应的反映射低分辨率字典记为同样，将每个一次映射高分辨率字典...

【专利技术属性】
技术研发人员：郭立君，李小宝，张荣，姚正元，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江,33