【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体涉及一种基于扩散生成先验的人脸图像复原方法、装置及可读介质。
技术介绍
1、目前的基于生成先验的图像复原方法主要分为三种：基于显示建模生成先验的图像复原方法、基于生成对抗网络（generative adversarial networks，简称gan）生成先验的图像复原方法和基于扩散生成先验的图像复原方法。
2、基于显示建模生成先验的图像复原方法是利用采用极大似然估计策略的一些生成式模型进行图像复原的方法。主要包括：基于自回归模型的生成先验图像复原方法、基于变分自编码器的生成先验图像复原方法、基于流模型的生成先验图像复原方法等。这些方法对数据分布进行显示建模，采用这类方法作为先验知识的图像复原方法，具有更强的解释性，但是建模能力较差。
3、基于gan生成先验的图像复原方法是利用生成对抗网络的生成先验能力进行图像复原的方法。基于gan生成先验的图像复原方法具有较好的图像复原能力，建模能力强。但是，gan模型的解释性较差，并且gan模型的训练采用的是对抗学习思想，需要分别训练生成器与鉴...
【技术保护点】
1.一种基于扩散生成先验的人脸图像复原方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于扩散生成先验的人脸图像复原方法，其特征在于，所述结合融合反演的前向扩散公式为：
3.根据权利要求1所述的基于扩散生成先验的人脸图像复原方法，其特征在于，所述对第t步的噪声图像进行零阈值分解，得到第t步的分解特征，具体包括：
4.根据权利要求3所述的基于扩散生成先验的人脸图像复原方法，其特征在于，对于给定的一个变换矩阵，利用奇异值分解或傅里叶变换构成变换矩阵的伪逆矩阵，满足。
5.根据权利要求1所述的基于扩散生成先验的人脸图...
【技术特征摘要】
1.一种基于扩散生成先验的人脸图像复原方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于扩散生成先验的人脸图像复原方法，其特征在于，所述结合融合反演的前向扩散公式为：
3.根据权利要求1所述的基于扩散生成先验的人脸图像复原方法，其特征在于，所述对第t步的噪声图像进行零阈值分解，得到第t步的分解特征，具体包括：
4.根据权利要求3所述的基于扩散生成先验的人脸图像复原方法，其特征在于，对于给定的一个变换矩阵，利用奇异值分解或傅里叶变换构成变换矩阵的伪逆矩阵，满足。
5.根据权利要求1所述的基于扩散生成先验的人脸图像复原方法，其特征在于，所述噪声预测器采用双分支调节unet网络，所述双分支调节unet网络包括主干分支和跳跃连接分支，所述主干分支包括第一卷积层、第二卷积层、第一最大池化层、第三卷积层、第四卷积层、第二最大池化层...
【专利技术属性】
技术研发人员：宋佳讯，黄德天，黄小茜，林明昕，刘航，曾焕强，
申请(专利权)人：华侨大学，
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。