[发明专利]一种人脸超分辨率的重建方法及装置有效
申请号: | 201510381611.X | 申请日: | 2015-07-02 |
公开(公告)号: | CN104933692B | 公开(公告)日: | 2019-03-08 |
发明(设计)人: | 江俊君;蔡之华;龚文引 | 申请(专利权)人: | 中国地质大学(武汉) |
主分类号: | G06T5/50 | 分类号: | G06T5/50 |
代理公司: | 北京华沛德权律师事务所 11302 | 代理人: | 房德权 |
地址: | 430000 湖北省武汉市洪山*** | 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: | |||
搜索关键词: | 一种 人脸超 分辨率 重建 方法 装置 | ||
1.一种人脸超分辨率的重建方法,其特征在于,所述方法包括:
接收低分辨率人脸图像XL,将所述低分辨率人脸图像XL、预设的低分辨率训练集中的第一人脸样本图像及高分辨率训练集中的第二人脸样本图像划分为相互重叠的图像块,所述第一人脸样本图像是第二人脸样本图像通过双三次插值Bicubic下采样四倍的结果,其中,第一人脸样本图像与第二人脸样本图像的个数相同;
计算所述第一人脸样本图像中各个位置(i,j)的图像块对应的映射矩阵所述计算所述第一人脸样本图像中各个位置(i,j)的图像块对应的映射矩阵包括:根据公式计算所述第一人脸样本图像中各个位置(i,j)的图像块对应的映射矩阵其中,所述为所述低分辨率训练集所有第i行j列的图像块中离所述第一人脸样本图像最近的K幅图像拼接而成的K近邻第一矩阵;所述为所述高分辨率训练集所有图像中与所述K近邻第一矩阵对应的第i行j列的图像块拼接而成的K近邻第二矩阵;所述Am(i,j)为从所述K近邻第一矩阵到所述K近邻第二矩阵的映射矩阵;所述λ为正则化参数;所述表示欧氏平方距离;所述为所述映射矩阵Am(i,j)的范数;
在所述低分辨率训练集中查找与所述低分辨率人脸图像中各个位置(i,j)的图像块XL(i,j)距离最近的第一图像块在所述映射矩阵中查找所述第一图像块对应的最优映射矩阵根据所述最优映射矩阵合成各个位置的高分辨率人脸图像块XH(i,j),所述mBest的值利用公式计算得出;其中,所述为所述低分辨率训练集中的第m幅低分辨率人脸样本图像中第i行第j列的图像块;
根据所述各个位置(i,j)的高分辨率人脸图像块XH(i,j)在人脸对应的位置进行拼接融合,获取高分辨率人脸图像并输出;
在拼接融合时,相邻图像块之间重叠部分的像素值,按照以下步骤进行获取:
步骤a,初始化一个与高分辨率图像大小一样的图像矩阵D和交叠次数矩阵F;所述矩阵D和矩阵F中的所有元素值均为0;
步骤b,将各个位置的高分辨率图像块按位置叠加到所述图像矩阵D中;
步骤c,交叠次数矩阵F对应位置的所有元素值均加1,表示图像矩阵D对应的像素点所在位置被交叠了一次;
步骤d,重复步骤b和c,直到各个位置的高分辨率图像块合成完毕;
步骤e,将图像矩阵D点除交叠次数矩阵F以获取相邻图像块之间重叠部分的像素值的平均值;
其中,所述M为第一人脸样本图像及所述第二人脸样本图像的个数,所述i为所述图像块的行号,所述j为所述图像块的列号,所述mBest为所述第一图像块在所述低分辨率训练集中的序号,所述m为样本图像的序号,所述m取值为[1,M]。
2.如权利要求1所述的方法,其特征在于,对所述低分辨率人脸图像、预设的低分辨率训练集中的第一人脸样本图像及高分辨率训练集中的第二人脸样本图像进行划分包括:
按照从左到右、从上到下进行划分;
当划分图像块至图像边缘,且所述图像剩余尺寸不大于预设的图像块的尺寸时,以所述图像的边缘为基准进行回退划分。
3.如权利要求1所述的方法,其特征在于,根据所述最优映射矩阵合成各个位置的高分辨率人脸图像块XH(i,j)包括:
利用公式计算所述各个位置的高分辨率人脸图像块XH(i,j)。
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中国地质大学(武汉),未经中国地质大学(武汉)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/pat/books/201510381611.X/1.html,转载请声明来源钻瓜专利网。