【技术实现步骤摘要】
基于注意力融合的循环人脸超分辨率方法及系统
[0001]本专利技术涉及图像识别
，具体为基于注意力融合的循环人脸超分辨率方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]超分辨率(SR)重建技术，是指将低分辨图像重建成具有良好视觉效果的高分辨率图像，能够应用于安防监控、医学诊断和遥感检测等多个领域。随着监控摄像头的普及，监控视频抓拍到的人脸图像往往存在模糊、遮挡、分辨率低等问题，导致人脸识别的准确率大幅度下降，不能在实际中很好地运用。
[0004]其中，由于摄像头距离与抓拍对象距离过远导致的拍摄到的人脸尺寸较小、图像质量较低的问题最为普遍，通过超分辨重建技术可以把低分辨率人脸图像重建为高分辨率人脸图像，可以大大提高低分辨人脸识别准确率，同时还能将其应用于老照片恢复等重要实际问题中。
[0005]超分辨率技术应用在人脸图像中时，分为传统的人脸超分辨率技术和基于深度学习的人脸超分辨率技术。传统的人脸超分辨技术可以分为三类：基...
【技术保护点】
【技术特征摘要】
1.基于注意力融合的循环人脸超分辨率方法，其特征在于，包括以下步骤：获取低分辨人脸图像，基于人脸恢复网络得到图像特征和超分辨图像，得到的超分辨图像基于地标修正网络得到注意力图像；得到的图像特征和前一步人脸恢复网络得到的注意力图像经融合后，通过反馈迭代，得到重建后的超分辨率人脸图像；其中，图像特征和注意力图像融合的过程，具体为：基于图像特征提取通道注意力特征，得到的通道注意力特征和图像特征经逐元素相乘得到空间注意力特征，得到的空间注意力特征与图像特征经逐元素相乘得到最终特征，最终特征与注意力图像经逐元素相乘得到加权特征，加权特征用于输入到人脸恢复网络中进行人脸超分辨。2.如权利要求1所述的基于注意力融合的循环人脸超分辨率方法，其特征在于，所述人脸恢复网络包括特征提取网络、循环超分辨网络和上采样网络，特征提取网络用于提取低分辨人脸图像中的浅层特征，循环超分辨网络包括注意力融合模块和反馈模块，用于将提取的浅层特征和来自于地标修正网络的注意力图像融合并通过反馈模块循环迭代，经过设置的N步循环后提取到精细特征，与来自上采样模块提取到的高分辨图像相加后，输出超分辨人脸图像。3.如权利要求2所述的基于注意力融合的循环人脸超分辨率方法，其特征在于，所述上采样模块基于亚像素卷积，以低分辨人脸图像为输入生成高分辨图像。4.如权利要求1所述的基于注意力融合的循环人脸超分辨率方法，其特征在于，图像特征和注意力图像通过注意力融合模块实现融合，注意力融合模块包括串联的特征分支、通道注意力分支和空间注意力分支。5.如权利要求4所述的基于注意力融合的循环人脸超分辨率方法，其特征在于，所述特征分支包括卷积层、批量归一化层和激活层，三者形成特征提取网络并与一个沙漏块组合，用于提取来自人脸恢复网络的图像特征；所述通道注意力分支包括并联的最大值池化层和平均值池化层，最大值池化层和平均值池化层分别连接对应的卷积层和激活层，两者的输出相加并与一个激活函数连接，用于根据图像特征提取通道注意力特征；所...
【专利技术属性】
技术研发人员：陈振学，杨悦，黄彬，刘成云，张玉娇，张馨悦，梁田，董良，
申请(专利权)人：山东大学，
类型：发明
国别省市：
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。