基于支撑集驱动稀疏编码的人脸图像超分辨率重建方法技术

基于支撑集驱动稀疏编码的人脸超分辨率重建方法，将输入的低分辨率人脸图像、高低分辨率训练集内人脸图像分别划分为相互交叠的图像块；对输入的低分辨率人脸图像的每一个图像块，首先给编码系数分配不同的权重，然后通过求解权重稀疏问题获得最终编码系数；将低分辨率训练集内每个图像相应位置图像块，用一一对应的高分辨率训练集内每个图像相应位置图像块进行替换，加权合成高分辨率图像块；按照合成的高分辨率图像块在人脸上的位置，融合成高分辨率人脸图像。本发明专利技术提出局部约束表示模型，自适应地选择训练集内样本图像块空间中与输入图像块近邻的图像块来线性重建输入图像块，得到最优权重系数，合成出高质量的高分辨率图像。

【技术实现步骤摘要】

本专利技术涉及图像超分辨率领域，具体涉及一种。
技术介绍
人脸超分辨率，或人脸幻构，是一种在人脸图像训练集的帮助下由低分辨率人脸图像产生高分辨率人脸图像的技术。人脸超分辨率常应用于视频监控。许多情况下，行人与摄像机距离较远，拍摄到的人脸为低分辨率图像从而缺乏的面部细节特征，而这些特征对于人脸图像的分析和识别是非常重要的。2000年，Baker和Kanade在文献I (S. Bakerand T. Kanade. Hallucinating faces.1n FG, Grenoble, France, Mar. 2000, 83-88.)中首次提出人脸超分辨率方法，又叫人脸幻构(face hallucination),他们采用贝叶斯方法,利用训练集中人脸图像的先验信息，通过学习的方法获得低分辨率人脸对应的高分辨率图像，以此来达到较大的放大倍数及较好的效果。随后，Liu等人在文献2 (C. Liu, H. Y. Shum, andC. S. Zhang. A two-step approach tohallucinating faces:global parametric model 本文档来自技高网...

【技术保护点】
一种基于支撑集驱动稀疏编码的人脸图像超分辨率重建方法，其特征在于，包括如下步骤：步骤1，输入低分辨率人脸图像，对输入的低分辨率人脸图像、低分辨率训练集中的低分辨率人脸样本图像以及高分辨率训练集中的高分辨率人脸样本图像划分相互重叠的图像块；步骤2，对于低分辨率人脸图像每一个位置上的图像块，算出在支撑集驱动稀疏编码下由低分辨率训练集中所有低分辨率人脸样本图像该位置上的图像块对它进行线性重建时的编码系数；步骤3，对于低分辨率人脸图像每一个位置上的图像块，把所有低分辨率人脸样本图像的图像块替换为位置对应的高分辨率人脸样本图像的图像块，用步骤2所得编码系数加权合成相应的高分辨率人脸图像块；步骤4，将步骤...

【技术特征摘要】
1.一种基于支撑集驱动稀疏编码的人脸图像超分辨率重建方法，其特征在于，包括如下步骤步骤1，输入低分辨率人脸图像，对输入的低分辨率人脸图像、低分辨率训练集中的低分辨率人脸样本图像以及高分辨率训练集中的高分辨率人脸样本图像划分相互重叠的图像块；步骤2，对于低分辨率人脸图像每一个位置上的图像块，算出在支撑集驱动稀疏编码下由低分辨率训练集中所有低分辨率人脸样本图像该位置上的图像块对它进行线性重建时的编码系数；步骤3，对于低分辨率人脸图像每一个位置上的图像块，把所有低分辨率人脸样本图像的图像块替换为位置对应的高分辨率人脸样本图像的图像块，用步骤2所得编码系数加权合成相应的高分辨率人脸图像块；步骤4，将步骤3合成所得高分辨率人脸图像块按照在人脸上的位置融合，得到一张高分辨率人脸图像。2.根据权利要求1所述基于支撑集驱动稀疏编码的人脸图像超分辨率重建方法，其特征在于记输入的低分辨率人脸图像为X、低分辨率人脸图像X中某一位置的图像块为X，高分辨率训练集中各高分辨率人脸样本图像分别与X对应位置的图像块构成图像块集Dh，低分辨率训练集中各低分辨率人脸样本图像分别与X对应位置的的图像块构成图像块集D1 ； 低...

【专利技术属性】
技术研发人员：胡瑞敏，江俊君，董小慧，韩镇，陈军，陈亮，方稳华，
申请(专利权)人：武汉大学，
类型：发明
国别省市：