[发明专利]基于流形正则化群的局部约束表达的人脸超分辨率重建方法

摘要

本发明公开了一种基于流形正则化群的局部约束表达的人脸超分辨率重建方法，包括以下步骤：建立低分辨人脸图像训练集和高分辨人脸图像训练集，对插值后的低分辨率训练集中的人脸图像和高分辨率训练集中的人脸图像在像素域中划分相互重叠的图像块；对于划分的图像块，在输入的图像中找到与之相似的多个块组成一个相似块矩阵，并且在这些相似块中建立一个图，得到一个拉普拉斯矩阵；根据得到的高分辨率训练图像块字典群矩阵和权重系数群矩阵求出重建的HR图像块群矩阵，进而得到高分辨人脸图像块，融合得到最终目标的高分辨率人脸图像。本发明充分利用了图片中相似区域的强相关性计算系数矩阵，提高重建性能，获得更高质量的高分辨率人脸图像。

主权项

1.一种基于流形正则化群的局部约束表达的人脸超分辨率重建方法，其特征在于，包括以下步骤：1)建立低分辨人脸图像训练集和高分辨人脸图像训练集，接收待重建的低分辨率人脸图像，将低分辨训练集中的人脸图像和接收的待重建的低分辨率人脸图像插值到与高分辨率人脸图像相同的维度，对输入的低分辨人脸图像、插值后的低分辨率训练集中的人脸图像和高分辨率训练集中的人脸图像在像素域中划分相互重叠的图像块；2)对于输入的低分辨人脸图像划分的图像块，在输入的图像中找到与之相似的多个块组成一个相似块矩阵，并且在这些相似块中建立一个图，得到一个拉普拉斯矩阵；3)对插值后的低分辨率输入图像，插值后的低分辨率训练集中的人脸图像和高分辨率训练集中的人脸图像，在特征域提取特征图像，并将提取的特征图像划分为相互重叠的块，然后将这些块组成特征域LR字典；4)对相似块矩阵中的每个块和每个块所对应的特征域LR字典，通过K‑NN算法中的欧氏距离在特征域中的LR字典中提取K个最近距离的图像块；5)根据特征域中的图像块的位置和在像素域中图像块位置的相关性，分别在像素域中的高低分辨率人脸图像块训练集中找出对应的K个人脸图像块，将得到新的高低分辨率人脸图像块字典对作为高低人脸图像块训练样本集；6)对于相似块中的每个块，找到对应的高低分辨率人脸图像块字典，将多个对应高低分辨率人脸图像块字典分别组成高低分辨率人脸图像块字典群矩阵；7)根据步骤6)得到的高低训练图像块字典群矩阵对，通过交替迭代方向法算法求出权重系数群矩阵；8)根据6)和7)得到的高分辨率训练图像块字典群矩阵和权重系数群矩阵求出重建的HR图像块群矩阵，进而得到高分辨人脸图像块，融合得到最终目标的高分辨率人脸图像。