[发明专利]一种基于区域深度卷积神经网络的人脸超分辨率算法在审
| 申请号： | 201611161604.X | 申请日： | 2016-12-15 |
| 公开（公告）号： | CN106600538A | 公开（公告）日： | 2017-04-26 |
| 发明（设计）人： | 卢涛;汪浩;潘兰兰;管英杰;曾康利;汪家明;陈希彤 | 申请（专利权）人： | 武汉工程大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06N3/08 |
| 代理公司： | 湖北武汉永嘉专利代理有限公司42102 | 代理人： | 唐万荣 |
| 地址： | 430074 湖北*** | 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： | 本发明公开了一种基于区域深度卷积神经网络的人脸超分辨率算法，包括以下步骤训练阶段S1、对输入的低分辨率人脸图像在像素域中划分相互重叠的图像块，得到多个局部区域；S2、对局部区域提取得到局部特征；S3、对局部特征进行非线性变化得到非线性特征；S4、对非线性特征进行处理，得到重建后的高分辨率图像块；S5、对高分辨率图像块进行拼接，并调整多层卷积层和修正线性单元层的参数；测试阶段S6、输入低分辨率的测试人脸图像，通过超分辨率网络处理得到高分辨率的人脸图像。本发明提出的区域卷积神经网络提高了重建高分辨率图像的主客观重建质量。 | ||
| 搜索关键词： | 一种 基于 区域 深度 卷积 神经网络 人脸超 分辨率 算法 | ||
【主权项】：
一种基于区域深度卷积神经网络的人脸超分辨率算法，其特征在于，包括以下步骤：训练阶段：S1、获取训练的高分辨率人脸图像，对其处理得到低分辨率人脸图像，使用滑动窗口自适应的选择相邻的图像块，将低分辨率人脸图像在像素域中划分相互重叠的图像块，得到多个局部区域；S2、将局部区域作为输入，通过第一层卷积层和修正线性单元层提取得到局部特征；S3、将局部特征作为输入，通过第二层卷积层和修正线性单元层，进行非线性变化得到非线性特征；S4、将非线性特征作为输入，通过第三层卷积层和修正线性单元层，得到重建后的高分辨率图像块；S5、根据高分辨率图像块的重叠部分，对高分辨率图像块进行拼接，输出完整的高分辨率人脸图像，将输出的高分辨率人脸图像与训练的高分辨率人脸图像进行比较，根据比较结果的相似程度，调整多层卷积层和修正线性单元层的参数；测试阶段：S6、根据训练阶段得到的多层卷积层和修正线性单元层组成超分辨率网络，输入低分辨率的测试人脸图像，通过超分辨率网络处理得到高分辨率的人脸图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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工程大学，未经武汉工程大学许可，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/patent/201611161604.X/，转载请声明来源钻瓜专利网。
