[发明专利]低清图像重建超分辨率人脸图像的方法、系统及存储介质

权利要求书

1.一种低清图像重建超分辨率人脸图像的方法，其特征在于，包括：

将低分辨率图像输入预训练渐进式生成对抗网络中，获得隐编码、通道权重；其中，预训练渐进式生成对抗网络的参数权重由大数据量高清人脸数据训练得到；

将隐编码和通道权重输入预训练渐进式生成对抗网络的迭代单元，获得迭代的多重隐编码和通道权重；

判断多重隐编码和通道权重的迭代次数是否大于预设的迭代次数阈值，将大于预设的迭代次数阈值的多重隐编码和通道权重输出；

基于输出的多重隐编码和通道权重生成的最终超分辨率的高清人脸图像。

2.根据权利要求1所述的一种低清图像重建超分辨率人脸图像的方法，其特征在于，所述预训练渐进式生成对抗网络中预设有迭代次数阈值和高斯随机初始化参数。

3.根据权利要求1所述的一种低清图像重建超分辨率人脸图像的方法，其特征在于，将隐编码和通道权重输入预训练渐进式生成对抗网络的迭代单元，获得迭代的多重隐编码和通道权重的方法包括：

将隐编码与对应的自适应通道权重参数分成两组参数，两组参数分别代入预训练渐进式生成对抗网络迭代单元，获得迭代的多重隐编码和通道权重，其中，预训练渐进式生成对抗网络的迭代单元在首次迭代时对隐编码的参数进行高斯随机初始化、通道权重的参数进行均值初始化；

所述迭代单元由预训练渐进式生成对抗网络不同组合层所关联的多个子网络中的迭代计算单元组成，并在迭代过程中通过多个损失函数反向传播优化隐编码和自适应通道权重，获得迭代优化多次的多重隐编码和通道权重。

4.根据权利要求3所述的一种低清图像重建超分辨率人脸图像的方法，其特征在于，所述两组参数分别为第一组参数和第二组参数；所述预训练渐进式生成对抗网络的组合层包括：第一组合层、第二组合层和第三组合层。

5.根据权利要求4所述的一种低清图像重建超分辨率人脸图像的方法，其特征在于，所述将隐编码与对应的自适应通道权重参数分成两组参数，两组参数分别代入预训练渐进式生成对抗网络迭代单元，获得迭代的多重隐编码和通道权重的方法包括；

第一组参数在被第一组合层分开的第一子网络和第二子网络上进行迭代，第二组参数在被第二组合层分开的第一子网络和第二子网络上进行迭代，输出两组隐编码和权重参数；其中，每组隐编码输入到对应的组合层之前的第一子网络上，每个隐编码经过第一子网络生成对应的第一中间特征，并依据自适应通道权重将每组隐编码生成的第一中间特征组合成第二中间特征，而后累加融合所有第二中间特征生成第三中间特征；第三中间特征输入到第二子网络上生成人脸图像，并通过多个损失函数分别反向传播优化隐编码和自适应通道权重，获得迭代优化后的两组隐编码和自适应通道权重；

两组隐编码和权重参数通过第三组合层的第一子网络和第二子网络上进行分别进行迭代，输出多重隐编码和自适应通道权重。