[发明专利]基于回归模型的金字塔人脸图像超分辨率重建方法

摘要

本发明基于回归模型的金字塔人脸图像超分辨率重建方法，涉及图像的增强或复原，利用图像具有非局部相似性的特征，对测试集中低分辨率人脸图像在其对应特征图像中搜索重建图像块的相似块，得到所有相似块的位置集合，将训练集中所有低分辨率图像在该位置集合中的人脸图像块作为测试集中的低分辨率人脸图像块对应的低分辨率训练集，利用测试集中的低分辨率人脸图像块对应的特征图像块与训练集中的低分辨率人脸图像块对应的特征图像块之间的距离以及测试集中的低分辨率图像经过插值放大后的人脸图像块对应的特征图像块与训练集中高分辨率人脸图像块对应的特征图像块之间距离之和构建约束条件；克服了现有技术在人脸图像重建过程中存在的诸多缺陷。

主权项

1.基于回归模型的金字塔人脸图像超分辨率重建方法，其特征在于具体步骤如下：A.训练集中低分辨率人脸图像集和高分辨率人脸图像集的训练过程：第一步，扩充训练集中低分辨率人脸图像集和高分辨率人脸图像集：根据人脸图像对称的特性，对训练集中的低分辨率人脸图像集和高分辨率人脸图像集通过左右翻转的方式进行扩充，图像的尺寸不变，数量扩充两倍，分别得到扩充的低分辨率人脸图像集和扩充的高分辨率人脸图像集其中l表示低分辨率图像，尺寸为a*b像素，h表示高分辨率图像，尺寸为(d*a)*(d*b)像素，d是倍数，M表示图像的数量；第二步，对扩充后的低分辨率人脸图像集Pl和高分辨率人脸图像集Ph分别提取梯度特征：对扩充后的低分辨率人脸图像集Pl和高分辨率人脸图像集Ph中的每幅人脸图像，分别提取一阶梯度和二阶梯度作为分量构成一个梯度特征，得到低分辨率人脸图像集Pl中的低分辨率人脸梯度特征图像集和高分辨率人脸图像集Ph中的高分辨率人脸梯度特征图像集第三步，对扩充后的高分辨率人脸图像集Ph及其对应的高分辨率人脸梯度特征图像集Gh分别进行分块：对扩充后的高分辨率人脸图像集Ph中的每一幅人脸图像及相应的高分辨率人脸梯度特征图像分别进行有重叠的分块，每个分块大小为R1*R1像素，R1的数值为8～12，重叠的方式是当前块与上下相邻图像块之间分别重叠K1行像素，与左右相邻图像块之间重叠K1列像素，且0≤K1≤R1/2，然后采用从上到下和从左到右的顺序对每幅高分辨率人脸图像及其对应的梯度特征图像的所有分块进行编号，编号分别为1,2,...,U,U为每幅图像分块总数，编号相同的图像块称为相同位置的图像块，由此完成对扩充后的高分辨率人脸图像集Ph及其对应的高分辨率人脸梯度特征图像集Gh分别进行分块；第四步，对扩充后的低分辨率人脸图像集Pl及其对应的低分辨率人脸梯度特征图像集Gl分别进行分块：与上述高分辨率人脸图像集Ph的分块方式相同，对扩充后的低分辨率人脸图像集Pl中的每一幅低分辨率人脸图像及相应的低分辨率人脸梯度特征图像分别进行有重叠的分块，每块大小为(R1/d)*(R1/d)像素，R1的数值为8～12，重叠的方式是当前图像块与上下相邻图像块之间重叠K1/d行像素，与左右相邻图像块之间重叠K1/d列像素，然后采用从上到下和从左到右的顺序对每幅低分辨率人脸图像及其对应的梯度特征图像的所有分块分别进行编号，编号分别为1,2,...,U，U为每幅图像分块总数，编号相同的图像块称为相同位置的图像块，由此完成对扩充后的低分辨率人脸图像集Pl及其对应的低分辨率人脸梯度特征图像集Gl分别进行分块；至此，完成A.训练集低分辨率人脸图像集Pl和高分辨率人脸图像集Ph的训练过程；B.测试集中低分辨率人脸图像的重建过程：第五步，放大测试集中的低分辨率人脸图像得到放大的高分辨率人脸图像：将需要测试的低分辨率人脸图像输入到计算机中得到测试集中的低分辨率人脸图像Itl，采用双三次插值的方式放大测试集中的某一幅低分辨率人脸图像，得到放大的图像作为测试集中的放大的高分辨率人脸图像Ith，使得测试集中的放大的高分辨率人脸图像Ith与训练集中的高分辨率人脸图像尺寸相等；第六步，对测试集中的低分辨率人脸图像Itl和放大的高分辨率人脸图像Ith分别提取梯度特征：分别提取上述第五步得到的测试集中的低分辨率人脸图像Itl和放大的高分辨率人脸图像Ith的一阶梯度和二阶梯度作为分量构成各自的梯度特征，得到它们各自对应的低分辨率人脸梯度特征图像g