[发明专利]一种提高人脸图像分辨率的方法和装置

说明书

本发明公开了一种提高人脸图像分辨率的方法和装置，针对一图像提取出第一原始人脸图像；对所述第一原始人脸图像进行分辨率放大处理，获取第一目标人脸图像；对所述第一目标人脸图像进行人脸特征点提取处理，获取第一人脸特征点；对所述第一人脸特征点进行插值处理，获取第一人脸先验信息；对所述第一人脸先验信息和所述第一目标人脸图像进行融合处理，获取具有更高分辨率的第二目标人脸图像。当然，为了获得更高分辨率的图像，也可以对获得的第二目标人脸图像继续提取人脸先验信息，从而获取更高分辨率的人脸图像。该方案充分考虑了人脸先验信息，获得的重建的人脸图像具有更多的细节，能获得较好的重建效果。

技术领域

本发明涉及图像处理领域，尤其涉及一种提高人脸图像分辨率的方法和装置。

背景技术

图像的超分辨率重建技术指的是从一幅的或多幅低分辨率、低质量图像中产生高分辨率、高质量图像的数字图像处理技术。这里的数字图像的分辨率指的图像的空间分辨率，即是每英寸图像含有的像素点个数，分辨率的单位为dpi(dots per inch)。不难理解，分辨率越大，图像信息量越大，图像也越清晰。而从低分辨率图像中获得更高分辨率图像是一种“无中生有”过程，即从现有的信息量中去估计得到更多的信息量。

作为一种无需改善硬件设备,却可显著提高图像质量的方法,超分辨率在视频监控、医学成像、遥感图像等领域中有着广泛的应用前景，例如：(1)视频监控领域：视频中的定格画面和对特定区域的放大显示(例如，识别录像中的汽车)，对目标识别进行分辨率的增强(例如，识别嫌疑犯的面容)；(3)医学图像(CT(Computed Tomography,计算机断层成像)，MRI(Nuclear Magnetic Resonance Imaging，磁共振成像)等)领域：已知若干幅有限分辨率的医学图像，可以获得高分辨率的医学图像；(4)视频标准转换领域：例如，从NTSC(National Television Systems Committee，正交平衡调幅制)视频信号变为HDTV((HighDefinition Television，高清晰度电视)视频信号。

现有技术分为传统方法和基于深度学习的方法。传统方法主要有非均匀插值方法，该是一种最为直观的超分辨率算法。将有亚像素位移的低分辨率图像配准后映射到高分辨率网格上，形成一幅不完全均匀间隔采样网格上的复合图像，将复合图像进行内插和重采样后可得到超分辨率网格上的采样点值，这样得到超分辨率图像的方法即为非均匀插值方法。常用的内插方法有：最邻近插值、双线性插值、双三次插值和自适应插值等。

基于深度学习的方法中，2014年的论文《Super Resolution ConvolutionalNeural Network》的作者是较早地提出使用深度学习做超分辨率的方法。该方法提出的网络结构十分简单，仅仅使用了三个卷积层。该方法对于一个低分辨率图像，先使用双三次插值将其放大到目标大小，再通过三层卷积网络做非线性映射，得到的结果作为高分辨率图像的输出。三个卷积层使用的卷积核的大小分别为9x9,1x1和5x5，前两个的输出特征图的个数分别为64和32。

基于非均匀插值方法的缺点是，该类方法重建处理的图像的效果较差，处理后的图像具有锯齿效果，图像较模糊不能满足实际的需求。

传统方法和基于深度学习的提高人脸图像分辨率的方法和传统的提高人脸图像分辨率的方法，在进行人脸图像处理时没有考虑人脸先验信息，对于非常极端的低分辨率人脸图像的处理效果差，不能满足用户的实际需求。

发明内容

本发明实施例通过提供一种提高人脸图像分辨率的方法和装置，用于解决现有技术中在进行人脸图像处理时没有考虑人脸先验信息，对于非常极端的低分辨率人脸图像的处理效果差，不能满足用户的实际需求的技术问题。

第一方面，本发明一实施例提供了一种提高人脸图像分辨率的方法，所述方法包括：

针对一图像提取出具有第一分辨率第一原始人脸图像；