[发明专利]一种基于主成份稀疏表达的人脸超分辨率重建方法有效

专利信息
申请号: 201210574750.0 申请日: 2012-12-26
公开(公告)号: CN103065292A 公开(公告)日: 2013-04-24
发明(设计)人: 胡瑞敏;卢涛;江俊君;韩镇;夏洋;陈亮;高尚;王中元;黄克斌;王冰 申请(专利权)人: 武汉大学
主分类号: G06T5/50 分类号: G06T5/50
代理公司: 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 代理人: 严彦
地址: 430072 湖*** 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 基于 成份 稀疏 表达 人脸超 分辨率 重建 方法
【权利要求书】:

1.一种基于主成份稀疏表达的人脸超分辨率重建方法,其特征在于,包括如下步骤:

步骤1,图像分块,包括根据预设的图像的分块大小和分块的重叠区域大小,对输入的低分辨率人脸图像、低分辨率人脸样本图像和高分辨率人脸样本图像进行分块,得到相应的图像块;

步骤2,基于所有低分辨率人脸样本图像每一个位置上的图像块进行主成份分解,获得图像块的主成份表达基;

步骤3,用步骤2所得低分辨率人脸样本图像上图像块的主成份表达基,求取输入的低分辨率人脸图像相应图像块的主成份稀疏表达系数,然后转化为特质一致空间表达系数;

步骤4,把所有低分辨率人脸样本图像的图像块替换为位置对应的高分辨率人脸样本图像的图像块,用步骤3所得特质一致空间表达系数加权合成高分辨率人脸图像块;

步骤5,将步骤4合成所得高分辨率人脸图像块按照图像块所在位置进行拼合,得到一张高分辨率人脸图像。

2.根据权利要求1所述基于主成份稀疏表达的人脸超分辨率重建方法,其特征在于:步骤2实现方式如下,

取M个低分辨率人脸样本图像的某位置(i,j)的图像块,把每个d×d像素的图像块展开成一个列向量,把M个图像块列向量组合成图像块矩阵

主成份表达基由下式获得,

El(i,j)=YLM(i,j)Vl(i,j)Λl(i,j)-12]]>

其中,Vl(i,j)和Λl(i,j)分别是矩阵的协方差矩阵的特征向量矩阵和特征值矩阵,El(i,j)是位置(i,j)上的图像块的主成份表达基。

3.根据权利要求2所述基于主成份稀疏表达的人脸超分辨率重建方法,其特征在于:步骤3实现方式如下,

对于输入的低分辨率人脸图像的某位置(i,j)上的图像块,按下式获得一个主成份稀疏的表达系数,

α~(i,j)=argmin(||XL(i,j)-El(i,j)α(i,j)||22+λ|α(i,j)|1)]]>

其中,El(i,j)是各低分辨率人脸样本图像位置(i,j)上的图像块的主成份表达基,λ是图像的重建误差与表达系数稀疏性之间的控制因子,α(i,j)是所求的输入的低分辨率人脸图像位置(i,j)上的图像块的主成份稀疏表达系数,表示的是二范式,|·|1表示的是一范式;

按下式转化为特质一致空间表达系数,

c(i,j)=Vl(i,j)Λl(i,j)-12α(i,j)]]>

其中,c(i,j)即输入的低分辨率人脸图像位置(i,j)上的图像块的特质一致空间表达系数。4.根据权利要求3所述基于主成份稀疏表达的人脸超分辨率重建方法,其特征在于:步骤4实现方式如下,

取M个高分辨率人脸样本图像的位置(i,j)的图像块,把每个Td×Td像素的图像块展开成一个列向量,把M个图像块列向量组合成图像块矩阵T为高分辨率人脸样本图像相对于对应低分辨率人脸样本图像的放大倍数;

XH(i,j)=YHM(i,j)c(i,j)+M(i,j)]]>

其中,XH(i,j)是针对输入的低分辨率人脸图像位置(i,j)上的图像块合成所得相应高分辨率人脸图像块,M(i,j)是M个高分辨率人脸样本图像位置(i,j)上的图像块均值。

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大学,未经武汉大学许可,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/pat/books/201210574750.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top