【技术实现步骤摘要】
本专利技术涉及图像处理(主要是图像恢复)领域，针对低质量监控视频中人脸图像恢复的需求，具体涉及。
技术介绍
近年来，随着安防监控系统的快速发展，监控取证在安全防范、犯罪取证等领域发挥着越来越重要的作用，其中人脸图像取证是监控取证的重要关注点之一。然而由于监控录像中，摄像头与目标人脸距离较远、恶劣天气(雨雾等)、光照条件差等原因引起的严重模糊和噪声，监控录像中捕获的人脸图像可用像素极低，图像的恢复、辨识往往受到严重的阻碍。因此，为减少图像噪声、模糊对辨识的干扰，提升低质量图像分辨率，一般采用人脸超分辨率技术来对低质量人脸图像进行高分辨率恢复。人脸超分辨率技术顾名思义，就是用技术手段从低分辨率人脸图像中恢复出高分辨率人脸图像。人脸超分辨率技术可以大致分为两类基于重建的方法和基于学习的方法两类。人脸超分辨率问题是一个解无穷的问题，因为一幅低质量图像可能对应多幅不同高质量图像。基于重建的方法的主要思想就是希望通过加入先验约束缩小求解范围以获得最优高分辨率人脸图像。而基于学习的方法[1，2，3，4，5]的思想是希望通过统计学习的方法，通过掌握在库的高低分辨率图像对中存在的...
【技术保护点】
一种基于自适应训练库的块域人脸超分辨率重建方法，其特征在于，包括以下步骤：?步骤1，获得高分辨率人脸图像库Ys和相应的低分辨率人脸图像库Xs，高分辨率人脸图像库Ys中所有高分辨率人脸图像位置对齐，低分辨率人脸图像库Xs中的低分辨率人脸图像与高分辨率人脸图像库Ys中的高分辨率人脸图像一一对应；?步骤2，将高分辨率人脸图像库Ys中的每幅高分辨率人脸图像和低分辨率人脸图像库Xs中的每幅低分辨率人脸图像分别进行重叠分块；在任一幅图像中，每个图像块所在的位置表示为位置标号(i,j)，i、j分别表示图像块所在位置的行和列；?步骤3，将低分辨率人脸图像库Xs中的所有低分辨率人脸图像处于位...
【技术特征摘要】
1.一种基于自适应训练库的块域人脸超分辨率重建方法，其特征在于，包括以下步步骤1，获得高分辨率人脸图像库1和相应的低分辨率人脸图像库Xs，高分辨率人脸图像库Ys中所有高分辨率人脸图像位置对齐，低分辨率人脸图像库Xs中的低分辨率人脸图像与高分辨率人脸图像库Ys中的高分辨率人脸图像一一对应；步骤2，将高分辨率人脸图像库Ys中的每幅高分辨率人脸图像和低分辨率人脸图像库 Xs中的每幅低分辨率人脸图像分别进行重叠分块；在任一幅图像中，每个图像块所在的位置表示为位置标号(i，j)，1、j分别表示图像块所在位置的行和列；步骤3，将低分辨率人脸图像库Xs中的所有低分辨率人脸图像处于位置标号为(i，j) 的图像块进行聚类处理；步骤4，对待处理低分辨率人脸图像X与高分辨率人脸图像库Ys中高分辨率人脸图像的位置对齐，并用步骤2中进行重叠分块的方法对对齐后的待处理低分辨率人脸图像X分块，用Xij代表待处理低分辨率人脸图像X处于位置标号为(i，j)的图像块；步骤5，对图像块Xij，设在低分辨率人脸图像库Xs中的所有低分辨率人脸图像处于位置标号为(i，j)的图像块构成集合S，用类别选择和近邻筛选分别从集合S中取得对应集合 A和B，将集合A和B取并集得到图像块的低分辨率最优相关训练集C，得到与低分辨率最优相关训练集内图像块C对应的高分辨率最优相关训练集Ch ；步骤6，形成图像块的自适应训练库，包括对低分辨率最优相关训练集C做主成分分析，求得最优低分辨率图像基；对高分辨率最优相关训练集Ch做主成分分析，求得最优高分辨率图像基；步骤7，基于最优低分辨率图像基和最优高分辨率图像基对图像块Xij进行块域重建， 得到相应高分辨率重建块yu ；步骤8，将各位置的高分辨率重建块拼接组合成为重建高分辨率图像yt。2.根据权利要求1所述基于自适应训练库的块域人脸超分辨率重建方法，其特征在于位置对齐通过仿射变换对齐特征点的方式实现，仿射变换的方法如下，通过对作为样本的所有高分辨率人脸图像相加除以样本个数计算出平均脸，设 (X/ ,Ii')是平均脸上第i个特征点的坐标，(Xi，yi)为待对齐的人脸图像上对应的第i 个特征点的坐标，设仿射变换矩阵为3.根据权利要求2所述基于自适应训练库的块域人脸超分辨率重建方法，其特征在于步骤5用类别选择和近邻筛选分别从集合S中取得对应集合A和B，实现方式如下，所述类别选择，通过从集合S中挑选类别中心与图像块距离最小的类，然后将该类所有的图像块构成集合A ;所述近邻筛选，通过从集合S中选取欧式距离意义上与图像块Xij最接近的若干图像块构成子...
【专利技术属性】
技术研发人员：胡瑞敏，陈亮，韩镇，沈亚君，周治龙，胡孟凌，涂小萌，夏洋，卢涛，江俊君，
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。