[发明专利]一种基于极深卷积神经网络的人脸超分辨率重建方法在审
| 申请号： | 201810201306.1 | 申请日： | 2018-03-12 |
| 公开（公告）号： | CN108447020A | 公开（公告）日： | 2018-08-24 |
| 发明（设计）人： | 宋慧慧;孙毅堂;张开华;严飞 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06K9/00 |
| 代理公司： | 南京钟山专利代理有限公司 32252 | 代理人： | 戴朝荣 |
| 地址： | 210044 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 人脸图像 卷积神经网络 人脸超分辨率 低分辨率 高分辨率 重建 卷积 网络模型 测试集 下采样 训练集 超分辨率重建 残差图像 放大系数 输入步骤 多尺度 放入 映射 学习 网络 | ||
1.一种基于极深卷积神经网络的人脸超分辨率重建方法，其特征在于：包括如下步骤：
一、对高分辨率人脸图像进行不同倍数下采样并处理后，获得低分辨率人脸图像的训练集；
二、对另外一组高分辨率人脸图像进行不同倍数下采样并处理后，获得低分辨率人脸图像的测试集；
三、将步骤一得到的训练集和步骤二得到的测试集放入极深卷积网络进行训练，学习残差图像的映射，并得到相对应的卷积网络模型；
四、将需要重建的低分辨率人脸图像输入步骤三学习得到的卷积网络模型得到重建的高分辨率人脸图像。
2.根据权利要求1所述的一种基于极深卷积神经网络的人脸超分辨率重建方法，其特征在于，步骤一和步骤二中对高分辨率人脸图像进行不同倍数下采样并处理包括如下步骤：
对高分辨率人脸图像进行不同倍数的下采样，得到不同的低分辨率人脸图像；
对得到的低分辨率人脸图像进行扩张，并对每张低分辨率人脸图像进行重叠采样，得到一组重叠的低分辨率人脸图像块。
3.根据权利要求2所述的一种基于极深卷积神经网络的人脸超分辨率重建方法，其特征在于，对低分辨率人脸图像进行四个方向的旋转变化和不同倍数的插值下采样。
4.根据权利要求2所述的一种基于极深卷积神经网络的人脸超分辨率重建方法，其特征在于，在步骤一中还包括如下步骤：
将对应的高分辨率人脸图像进行同样的重叠采样，得到一组对应重叠的高分辨率人脸图像块，作为高分辨率的标签图像。
5.根据权利要求1所述的一种基于极深卷积神经网络的人脸超分辨率重建方法，其特征在于，采用残差学习方法来学习高分辨率人脸图像和低分辨率人脸图像之间的细节信息。
6.根据权利要求1所述的一种基于极深卷积神经网络的人脸超分辨率重建方法，其特征在于，在步骤三中，在每个卷积层之前填零以保持所有特征图的大小相同。
7.根据权利要求1所述的一种基于极深卷积神经网络的人脸超分辨率重建方法，其特征在于，在步骤三中，被预测出的人脸图像被添加回输入的低分辨率人脸图像中以得到最终的高分辨率人脸图像。
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南京信息工程大学，未经南京信息工程大学许可，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/201810201306.1/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种基于对偶图的图像超分辨率方法
- 下一篇：基于分块和逐帧优化的视频缩放方法
