[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

说明书

技术领域

本发明涉及人脸图像超分辨率领域，具体涉及一种基于主成份稀疏表达的对噪声鲁棒的人脸超分辨率重建方法。 

背景技术

近年来，视频监控系统已经在城市安全保障工作中得到了广泛应用。然而，在很多应用场景下，由于摄像头离所关注的目标距离较远，使得在监控视频中目标的成像像素通常较小，缺乏足够的细节信息，无法满足识别需求。特别是在刑事侦查应用中，感兴趣的目标人脸成像分辨率过低，无法满足人眼辨识的需求，对于有效的锁定证据造成了困难。因此，针对低质量的监控视频中的低分辨率人脸图像进行超分辨率增强，进而获得更多的局部细节信息以便于识别，已经成为了刑事侦查业务中亟待解决的问题。针对人脸低分辨率图像的分辨率提升问题，人脸超分辨率技术将输入的低分辨率人脸图像借助图像样本的先验信息重建出高分辨率图像，并得到了广泛的应用。 

人脸超分辨率技术已经成为了一个热点研究问题，大量的基于样本库学习的人脸超分辨率算法近年来涌现。基于学习的人脸超分辨率算法主要是利用了高低分辨率图像的样本对，学习获得高低分辨率图像之间的关系，通过输入的低分辨率图像推导生产对应的高分辨率图像。 

2000年，Simon和Kanade发表了首次提出了基于学习的人脸超分辨率算法，在文献1（S.Baker and T.Kanade.Hallucinating faces.In FG,Grenoble,France,Mar.2000,83-88.）中也称为人脸幻觉（face hallucination）方法。2001年，Liu等人在文献2（C.Liu,H.Y.Shum,andC.S.Zhang.A two-step approach to hallucinating faces:global parametric model and localnonparametric model.In CVPR,pp.192–198,2001.）中提出参数全局人脸和非参数局部脸算法的两步合成人脸图像的两步法。基于学习的人脸超分辨率算法以其优良的算法性能与重建效果逐步获得了广泛的关注与研究。 

基于学习的人脸超分辨率算法按照对人脸图像的处理方式分为全局脸算法和局部脸算法，全局脸算法将整副人脸作为一个向量进行处理，该方法重建的人脸图像在整体上与输入人脸相似、而且对噪声具有一定的鲁棒性，然而在重建图像的边缘部分存在着混叠效应。局部脸方法是将整副人脸图像划分成块，对输出高分辨率图像的重建过程按照分块进行，然后 拼合成整副图像，这种方法重建的人脸图像主观质量较好，但是对噪声敏感。2004年Chang等人在文献3（H.Chang,D.Y.Yeung,and Y.M.Xiong.Super-resolution through neighborembedding.In CVPR,pp.275–282,2004.）中假设高低分辨率人脸图像的分块具有几何一致性，并利用输入低分辨率图像块的表达系数保持到高分辨率空间合成高分辨率图像，取得了较好的主客观重建质量。由于该方法所选择的进行表达的近邻块个数是固定的，因此在对输入图像块进行表达时可能存在过拟合和约束不足的问题。针对这一问题，2010年Ma等人在文献4（X.Ma,J.P Zhang,and C.Qi.Hallucinating face by position-patch.Pattern Recognition,43(6):3178–3194,2010.）中提出一种基于位置块约束人脸超分辨率算法，提出了人脸图像位置块的先验约束算法，改善了图像块的最近邻选择方法,选择了全部了位置块进行表达与合成,但是该算法没有考虑噪声对于图像块表达的影响，因此在噪声环境下的重建质量不佳。基于分块的局部脸算法直接利用像素域特征进行表达与合成，在噪声条件下，现有的分块局部脸算法无法区分图像块中的内在特征与噪声成分，将噪声也进行了表达，使得合成的高分辨率图像也包含了噪声信息，降低了该类算法的合成质量。 

发明内容

本发明目的是提供一种基于主成份稀疏表达的人脸图像超分辨率重建方法，解决现有同类基于分块表达算法中无法区分噪声与内在特征的问题，利用主成份稀疏表达根据图像内容自适应选择图像的内在特征进行表达，提高合成的高分辨率人脸图像的质量。 

为实现上述目的，本发明采用的技术方案是一种基于主成份稀疏表达的人脸超分辨率重建方法，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；