[发明专利]一种基于双层流形约束的人脸超分辨率处理方法及系统有效
| 申请号: | 201610033503.8 | 申请日: | 2016-01-18 |
| 公开(公告)号: | CN105701515B | 公开(公告)日: | 2019-01-04 |
| 发明(设计)人: | 胡瑞敏;陈亮;周楚;韩镇;陈军;渠慎明;李青;杨庆雄;卢正;马芸;魏雪丽;丁新 | 申请(专利权)人: | 武汉大学 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62 |
| 代理公司: | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人: | 魏波 |
| 地址: | 430072 湖*** | 国省代码: | 湖北;42 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 双层 流形 约束 人脸超 分辨率 处理 方法 系统 | ||
1.一种基于双层流形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1:构建训练库,所述训练库包含高分辨率人脸图像库及其对应的低分辨率人脸图像库;
取归一化的清晰人脸图像若干作为高分辨率图像库,将高分辨率图像库经过统一下采样过程得到低分辨率图像库;
步骤2:采用相同的分块方式将待处理低分辨率人脸图像和训练库中图像划分为具交叠部分的图像块,所述图像块为正方形,其边长为psize;
步骤3:对分块后的待处理低分辨率人脸图像中每一图像块,在对应位置的训练库中低分辨率训练块集合中查找其近邻块,称为直接近邻,或者一层近邻;
步骤4:对分块后的待处理低分辨率人脸图像中每一图像块,查找其二层近邻;其具体实现包括以下子步骤:
步骤4.1:根据高低分辨率对应关系,查找得到低分辨率图像块直接近邻在训练库中高分辨率训练块集合中的对应块;
步骤4.2:然后在高分辨率人脸图像库中,找到这些对应块的近邻,记下标号,称之为二层近邻,或者间接近邻;
步骤4.3:将高分辨率人脸图像库中的二层近邻标号投影到低分辨率人脸图像库中,作为待处理低分辨率图像块的二层近邻;
步骤5:计算待处理低分辨率人脸图像中图像块的一层近邻和二层近邻之间,在低分辨率人脸图像库中的权重系数;
步骤6:计算待处理低分辨率人脸图像中图像块和一层近邻之间,在低分辨率人脸图像库中的权重系数;
步骤7:利用约束公式,计算待处理低分辨率人脸图像中图像块和二层近邻之间的权重;
步骤8:取步骤7中低分辨率二层近邻所对应的高分辨率二层近邻,将步骤7中所获得的权重与高分辨率二层近邻相乘,获得待处理低分辨率人脸图像中的图像块的高分辨率图像块;
步骤9:拼接所有高分辨率人脸图像块,得高分辨率人脸图像。
2.根据权利要求1所述的基于双层流形约束的人脸超分辨率处理方法,其特征在于:步骤1中所述构建训练库,是将高分辨率人脸图像库中高分辨率人脸图像位置对齐,并进行降质处理,得对应的低分辨率人脸图像库,高分辨率人脸图像库和低分辨率人脸图像库构成训练库。
3.根据权利要求1所述的基于双层流形约束的人脸超分辨率处理方法,其特征在于:步骤2中采用相同的分块方式将待处理低分辨率人脸图像和训练库中图像划分为具交叠部分的图像块,首先使待处理低分辨率人脸图像与训练库中图像大小相同,且位置对齐。
4.根据权利要求2或3所述的基于双层流形约束的人脸超分辨率处理方法,其特征在于:所述位置对齐是采用仿射变换法进行位置对齐。
5.根据权利要求1所述的基于双层流形约束的人脸超分辨率处理方法,其特征在于:步骤3的具体实现过程是,对于待处理低分辨率人脸图像xin,假设在位置i上的图像块为低分辨率人脸图像库设为X,X上在位置i的所有图像块记为Xi;在Xi上的K1个一层近邻块,K1代表在Xi上的一层近邻块个数,通过和Xi的每一个图像块差值的绝对值一一对比获得,差值绝对值最小的K1个低分辨率图像块,作为的的一层近邻,记为
6.根据权利要求5所述的基于双层流形约束的人脸超分辨率处理方法,其特征在于:
步骤5中所述权重系数是通过一层近邻与二层近邻间绝对值平方距离、RBF距离或高斯距离获得,记作
步骤6中所述权重系数是通过待处理图像块与一层近邻间绝对值平方距离、RBF距离或高斯距离获得,记作
与获取方式相同。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610033503.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种版权交易可翻折显示屏
- 下一篇:发动机喷油点火演示仪





