[发明专利]一种基于深层线性映射学习的人脸超分辨率重建算法

权利要求书

1.一种基于深层线性映射学习的人脸超分辨率重建算法，其特征在于：包括以下步骤：

S1，对输入的低分辨率人脸图像、低分辨率训练集中的人脸图像以及高分辨率训练集中的人脸图像在像素域中划分相互重叠的图像块；

S2，将低分辨训练集中的人脸图像和输入的低分辨率人脸图像通过插值到高分辨率人脸图像，在特征域提取特征，并将提取的特征划分为相互重叠大小的块，进而得到在特征域的低分辨率图像块字典；

S3，通过K-NN算法中的欧氏距离在特征域中的低分辨率图像块字典中提取K个最近距离的图像块；

S4，根据特征域中的图像块的位置和在像素域中图像块位置的相关性，根据在特征域获得的欧氏距离找到在像素域中的高低分辨率人脸图像块训练集中对应的K个人脸图像块，得到新的高低分辨率人脸图像块字典对作为高低人脸图像块训练样本集；

S5，根据步骤S4得到的高低训练图像块字典对，找到对应的线性函数关系；

S6，级联多层线性映射学习，通过留一策略，更新低分辨率人脸图像训练集和高分辨率人脸图像训练集，然后对低分辨率人脸图像训练集中的每张人脸图像重复进行步骤S1至步骤S5进行更新，得到多重线性函数关系，进而合成高分辨人脸图像块，融合得到最终目标的高分辨率人脸图像。

2.根据权利要求1所述的一种基于深层线性映射学习的人脸超分辨率重建算法，

其特征在于：所述步骤S1具体为：

假设输入的低分辨人脸图像低分辨人脸图像训练集和高分辨人脸图像训练集其中N为高低人脸图像训练集中的样本数量，A_i大小为m×n，B_i大小为mt×nt；

将输入的低分辨人脸图像，低分辨率人脸图像训练集和高分辨率人脸图像训练集中的每一张人脸图像在像素域划分成M个相互重叠的图像块x_i，和其中，低分辨图像块大小为则相应的高分辨率图像块大小为

3.根据权利要求2所述的一种基于深层线性映射学习的人脸超分辨率重建算法，其特征在于：所述步骤S2具体为：

将低分辨训练集中的每张人脸图像A_i插值4倍到高分辨人脸图像T_i，然后通过在水平方向和垂直方向上的第一和第二阶梯度将通过插值得到的高分辨率人脸图像T_i进行特征表提取，采用如下公式获得：

G_(i)j＝f_j*T_i,j＝1,2,3,4 (1)

其中G_(i)j是所滤波后的图像；f₁和f₂分别是在水平和垂直方向的梯度的高通滤波器；f₃和f₄分别是在水平方向和垂直方向的高通滤波器；*表示的是卷积；每张图像A_i将会提取到4个特征，然后采用如下公式从T_i中得到和A^p相应的特征块集合：

g_(i)j＝[g_(i)1；g_(i)2；g_(i)3；g_(i)4] (2)

其中，g_(i)j是从滤波后的图像G_(i)j在相同位置划分的图像块，最后得到低分辨率图像块集合A^p相对应的特征图像块集合

对于输入的低分辨人脸图像X按照公式(1)和公式(2)获得特征块x_(i)j＝[x_(i)1；x_(i)2；x_(i)3；x_(i)4]。