基于先验信息与注意力机制的人脸超分辨率重建方法技术

本发明专利技术公开了一种基于先验信息和注意力机制的人脸超分辨率重建方法，模型包括：浅层特征提取网络、深层特征提取网络、先验估计网络和精细重建网络。方法包括：首先，输入一张低分辨率图像，使用卷积提取图像浅层特征，后面加入残差块组和卷积操作得到浅层特征，得到的浅层特征一方面送入深层特征提取网络，另一方面送入先验估计网络，最后将两个分支的结果送入到精细重建网络，输出最后的超分辨率重建图像。本发明专利技术将人脸边缘信息和人脸局部解析图作为先验信息引入人脸超分辨率重建网络，在网络中引入了高效通道注意力机制，网络可以重建出比较清晰的人脸图像，具有更多的面部特征，模型的复杂性更低，主观评价和客观评价指标均得到了提升。

【技术实现步骤摘要】

本专利技术属于图像处理及人脸超分辨重建，具体涉及一种基于面部先验信息和注意力机制的人脸图像的超分辨率放大方法。

技术介绍

1、人脸超分辨率重建技术是针对人脸这个特殊结构的超分辨率技术，旨在将低分辨率人脸通过某种技术转换为高分辨率人脸。但是人脸结构比较特殊，不像平常的图像，它具有高强度的结构相似性和身份信息的细节差异性，它的重建难度更大，要求更高，重建过程中，我们要保证几何特征的一致性，还要注意纹理信息的准确恢复。因此，人脸超分辨率重建具有极大的挑战。人脸超分辨这一概念最早由baker和kanada在2000年提出来的，它是图像超分辨领域中的一个分支，专门针对人脸这一特殊场景进行超分辨。近年来，深度学习技术在图像处理方面应用广泛，因此人脸超分辨领域也开始结合深度学习技术，从此人脸超分辨领域开始进入一个新的发展阶段。

2、基于深度学习的人脸超分辨率技术按照网络结构的不同可以分成：基于插值的人脸超分辨率重建、基于重构的人脸超分辨率重建、基于卷积神经网络的人脸超分辨方法和基于对抗生成网络的人脸超分辨方法。dong等人提出了srcnn模型，第一次将深度学本文档来自技高网...

【技术保护点】

1.基于先验信息和注意力机制的人脸超分辨方法，其特征在于，包括：浅层特征提取网络、深层特征提取网络、先验估计网络和精细重建网络；

2.根据权利要求1所述的基于先验信息和注意力机制的人脸超分辨率方法，其特征在于，所述步骤中人脸超分辨率网络训练时所采用的损失函数包括：

3.根据权利要求1所述的基于先验信息和注意力机制的人脸超分辨率方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.基于先验信息和注意力机制的人脸超分辨方法，其特征在于，包括：浅层特征提取网络、深层特征提取网络、先验估计网络和精细重建网络；

2.根据权利要求1所述的基于先验信息和注意力机制的...

【专利技术属性】
技术研发人员：端木春江，吴成红，叶靖，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：