【技术实现步骤摘要】
本专利技术属于图像处理
，尤其涉及一种基于K近邻稀疏编码均值约束的人脸超分辨率处理方法。
技术介绍
在视频监控条件获取的人脸图像往往具有较低的分辨率和较差的图像质量，以致于难以满足人脸辨识的需要。人脸超分辨率技术，也叫做幻觉脸技术(FaceHallucination)，它能够在不改变硬件环境的情况下，从一副或多幅低分辨率输入人脸图像中，重建出一副高分辨率的人脸图像，达到改善人脸图像的清晰度的目的。该技术在安防 监控、计算机视觉等领域中具有重要的应用。现有的人脸超分辨率方法大致分为三类第一类是基于全局参数模型的人脸超分辨率方法，第二类是基于局部非参数模型的人脸超分辨率方法，第三类是结合全局模型和局部模型的人脸超分辨率方法。本专利技术主要关注第二类方法。基于局部非参数模型的人脸超分辨率方法大致包括以下三个步骤首先将人脸图像划分成大小相等的图像块，然后针对每个图像块进行超分辨率重建得到高分辨率图像块，最后将重建后的高分辨率图像块融合在一起，得到完整的高分辨率人脸图像。由于这类方法能够充分利用局部人脸图像的统计特性，如眼睛、嘴、位置等，较之输入图像，合成的高分辨率人脸图像...
【技术保护点】
基于K近邻稀疏编码均值约束的人脸超分辨率处理方法，其特征在于，包括以下步骤：步骤一，对待处理人脸图像和人脸训练样本图像进行分块得到待处理人脸图像块和人脸训练样本图像块，所述的人脸训练样本图像包括高分辨率人脸训练样本图像和低分辨率人脸训练样本图像；步骤二，根据步骤一所得各图像块的位置先验信息，对人脸训练样本图像块进行聚类，分别获得各相应位置的高分辨率稀疏表示子字典和低分辨率稀疏表示子字典，所述的位置先验信息为待处理人脸图像块和各人脸训练样本图像块在相同像素点上的位置信息；步骤三，利用低分辨率稀疏表示子字典对待处理人脸图像块的K近邻进行稀疏表示，获得待处理图像块的K近邻稀疏编码...
【技术特征摘要】
1.基于K近邻稀疏编码均值约束的人脸超分辨率处理方法，其特征在于，包括以下步骤 步骤一，对待处理人脸图像和人脸训练样本图像进行分块得到待处理人脸图像块和人脸训练样本图像块，所述的人脸训练样本图像包括高分辨率人脸训练样本图像和低分辨率人脸训练样本图像； 步骤二，根据步骤一所得各图像块的位置先验信息，对人脸训练样本图像块进行聚类，分别获得各相应位置的高分辨率稀疏表示子字典和低分辨率稀疏表示子字典，所述的位置先验信息为待处理人脸图像块和各人脸训练样本图像块在相同像素点上的位置信息； 步骤三，利用低分辨率稀疏表示子字典对待处理人脸图像块的K近邻进行稀疏表示，获得待处理图像块的K近邻稀疏编码均值； 步骤四，基于稀疏先验和待处理图像块的K近邻稀疏编码均值约束实现待处理图像块 的稀疏表示，获得待处理图像块的稀疏编码系数； 步骤五，根据待处理图像块的稀疏编码系数和其对应位置的高分辨率稀疏表示子字典对待处理图像块进行高分辨率图像块重建； 步骤六，根据重建的高分辨率图像块获取高分辨率人脸图像。2.权利要求I所述的基于K近邻稀疏编码均值约束的人脸超分辨率处理方法，其特征在于 步骤一中所述的低分辨率人脸训练样本图像由所述的高分辨率人脸训练样本图像经过降质处理得到。3.权利要求I所述的基于K近邻稀疏编码均值约束的人脸超分辨率处理方法，其特征在于 步骤一进一步包括以下子步骤 1-1将待处理人脸图像和各人脸训练样本图像进行大小归一化处理，所述的人脸训练样本图像包括高分辨率人脸训练样本图像和低分辨率人脸训练样本图像； 1-2选取若干人脸特征点，根据选取的人脸特征点将待处理人脸图像、各人脸训练样本图像对齐； 1-3将对齐后的待处理人脸图像和各人脸训练样本图像进行分块得到待处理人脸图像块和人脸训练样本图像块，所述的人脸训练样本图像块包括高分辨率人脸训练样本图像块和低分辨率人脸训练样本图像块。4.权利要求3所述的基于K近邻...
【专利技术属性】
技术研发人员：胡瑞敏，黄克斌，韩镇，江俊君，卢涛，夏洋，陈亮，
申请(专利权)人：武汉大学，
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。