[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

摘要

本发明公开了一种基于深层线性映射学习的人脸超分辨率重建算法，该方法通过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，建立高低分辨率人脸图像块字典进而找到对应的线性函数关系，然后通过对级联多层线性映射学习，将多线性映射学习扩展到深层模型中，逐层提高了图像重建性能，最终获得更清晰的重建图像。

主权项

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。