[发明专利]基于多流形判别分析超分辨率的人脸识别方法

摘要

一种基于多流形判别分析超分辨率的人脸识别方法，在训练阶段，通过多流形判别分析得到一个由低高辨率人脸图像多流形空间到高分辨率人脸图像多流形空间的映射矩阵。在原始高分辨率人脸图像多流形空间构建类内相似性图和类间相似性图，利用这两个近邻图构建判别约束项，最优化由重建约束项和判别约束项组成的代价函数，得到映射矩阵。在识别阶段，通过离线学习得到的映射矩阵将待识别的低分辨率人脸图像映射到高分辨率人脸图像多流形空间，得到高分辨率人脸图像；在高分辨率人脸图像多流形空间，利用欧氏距离准则用最近邻分类器进行分类识别。在人脸识别率和运行效率上，本发明方法相对传统超分辨率方法均有了极大的提升。

主权项

1.一种基于多流形判别分析超分辨率的人脸识别方法，其特征在于，包括如下步骤：步骤1，构建高分辨率人脸图像训练集和对应的低分辨率人脸图像训练集，低分辨率人脸图像训练样本集中包括低分辨率人脸样本图像x₁,x₂,…,x_N，用矩阵X=[x₁,x₂,…,x_N]表示，高分辨率人脸图像训练样本集中包括高分辨率人脸样本图像y₁,y₂,…,y_N，用矩阵Y=[y₁,y₂,…,y_N]表示；步骤2，低分辨率人脸图像训练集构成低分辨率人脸图像多流形空间，高分辨率人脸图像训练集构成高分辨率人脸图像多流形空间，计算一个低分辨率人脸图像多流形空间到高分辨率人脸图像多流形空间的映射矩阵，包括以下子步骤，步骤2.1，利用以下两式得到类内相似性图W_w和类间相似性图W_b，其中，W_w(i，j)是类内相似性图W_w所构成矩阵第i行第j列的元素；W_b(i，j)是类间相似性图W_b所构成矩阵第i行第j列的元素；表示在高分辨率人脸图像多流形空间中，与高分辨率人脸样本图像y_i同一流形的K_w个最近邻的样本，表示在高分辨率人脸图像多流形空间中，与高分辨率人脸样本图像y_i不同流形的K_b个最近邻的样本；i的取值为1,2,…,N，j的取值为1,2,…,N，i≠j；参数K_w和参数K_b采用预设的经验值；步骤2.2，分别根据和计算得到对角矩阵D_w和D_b；其中，D_w(i，j)表示对角矩阵D_w上i行第i列的元素，D_w(i，i)表示对角矩阵D_w上i行第i列的元素；步骤2.3，分别根据L_w=D_w-W_w和L_b=D_b-W_b，计算得到类内拉普拉斯矩阵L_w和类间拉普拉斯矩阵L_b；步骤2.4，将类内拉普拉斯矩阵L_w和类间拉普拉斯矩阵L_b代入到下式得到映射矩阵AA=YX^T{XX^T+αX(L_w-βL_b)X^T}^-1其中，参数α和参数β采用预设的经验值；步骤3，输入一张低分辨率人脸图像，利用步骤2中得到的映射矩阵得到对应的高分辨率人脸图像；步骤4，在高分辨率人脸图像多流形空间，用最近邻分类器对步骤3中得到的高分辨率人脸图像进行分类识别。