一種基于近鄰稀疏編碼均值約束人臉超分辨率算法_第1頁
一種基于近鄰稀疏編碼均值約束人臉超分辨率算法_第2頁
一種基于近鄰稀疏編碼均值約束人臉超分辨率算法_第3頁
一種基于近鄰稀疏編碼均值約束人臉超分辨率算法_第4頁
一種基于近鄰稀疏編碼均值約束人臉超分辨率算法_第5頁
免費預覽已結束,剩余10頁可下載查看

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

(19)(19)民局

(10)公告號 (21)申請?zhí)?(22(73)專利權人大地址430072省市武昌區(qū)珞珈山武(72)發(fā)明人韓鎮(zhèn)洋

員人G06K9/00(2006.01)G06K9/62權利要求書3頁說明書8頁附圖2基于K近鄰稀疏編碼均值約束的人臉超分辨(57)B本發(fā)明公開了一種基于K近鄰稀疏編碼均值辨率處理技術領域,尤其涉及一種基于K近鄰稀對K近鄰進行稀疏表示,得到稀疏編碼均值;基于稀疏先驗和K近鄰稀疏編碼均值約束實現低分辨率圖像塊的稀B

權利 求 1/3練樣本圖像;得待處理圖像塊的K近鄰稀疏編碼均值;稀疏表示,獲得待處理圖像塊的稀疏編碼系數;待處理圖像塊進行高分辨率圖像塊重建;在于:在于:本圖像包分辨率人臉訓練樣本圖像和低分辨率人臉訓練樣本圖像;像對齊;權利要求3K在于:權利要求1K在于:塊所對應的列矢量組成高分辨率人臉訓練樣本圖像塊矢量集;

權利 求 2/3人臉訓練樣本圖像塊在相同像素點上的位置信息;權利要求1或2K特征在于:其中,αp,kkωp,k是待處理圖像塊的近鄰kpKkNp;,;,;其中表示待處理圖像在p位置的圖像塊表示待處理圖像塊的近鄰塊kh其特征在于:,;,;其 表示待處理圖像 表示待處理圖像塊對應位置的低分辨率稀疏表子字典 為待處理圖像塊的K近鄰稀疏編碼均值λ是用于平衡稀疏約束l求解式得到待處理圖像塊的稀權利要求7K在于:將所述 變換為

權利 求 3/3利用L1范數約束最小二乘法對上式求解得到待處理圖像塊的稀疏編碼系數其中表示待處理圖像塊對應位置的低分辨率訓練樣本圖像塊;;表示待處理圖像塊對應位置的低分辨率稀疏表示子字典為待處理圖像塊的K近鄰稀疏編碼均值λ是用于平衡稀疏約束真項的正則化參其取值根據待處理圖像λ取值越大;βK近鄰稀疏編碼均值的約束參數,;在于:在于:K近鄰稀疏編碼均值約束的人臉超分辨率處理方[0001]K[0002]在條件獲取的人臉圖像往往具有較低的分辨率和較差的圖像質量,以致于難以滿足人臉辨識的需要。人臉超分辨率技術,也叫做幻覺臉技術(Facen[0003][0004]圖且計算量大的弊端。[0005] 最近鄰方法被用于減少基于局部非參數模型的人臉超分辨率方法的計算復雜度。最近鄰方法在計算的過程中需要根據經驗值來指定近鄰塊的個數易導致合成高分辨率圖像塊的信息過擬合或者不充分。Yan[1]首次將壓縮感知的思想應用到超分辨率領域在自然圖像超分辨率重建過程中通過自動選取合成塊的個數取得了較好的超分辨率效果。在Yang的基礎上Chan[2]利用疏表示的方法合成人臉素描圖像M[3]提出了基于塊位置的人臉超分辨率方法在已有研究的基礎上Jung[4]提出了利用凸優(yōu)化替代Ma方法中的最小二乘估計的基于位置塊稀疏表示的人臉超分辨率方法取得了比Ma方法更好的效果。[0006] 盡管現有的人臉超分辨率方法在理想超分辨率情況即對只有下采樣的降質圖像進行超分辨取得了較好的效果但是當低分辨率圖像中同時具有噪聲時已有的人臉超分辨率方法重建的人臉圖像的清晰度和相似度則會大大降低。 [1]J.C.Yang,J.Wright,T.S.Huang,Y.Ma.ImageSuper-ResolutionViaSparseRepresentation.IEEETIP19(11),pp.2861-2873,2010. [2]L.Chang,M.Zhou,FaceSketchSynthesisviaSparseRepresentation,In [3]Ma,J.Zhang,andC.Qi,Hallucinatingfacebyposition-patch,PatternRe[0011][4]X.C.Jung,L.Jiao,andetc.Position-PatchBasedFaceHallucinationUsingConvexOptimization.IEEESignalProcessing 基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法包括以下步驟: 辨率人臉訓練樣本圖像那么所得的人臉訓練樣本圖像塊包分辨率人臉訓練樣本圖像塊和低分辨率人臉訓練樣本圖像塊; 置先驗信息為待處理人臉圖像塊和各人臉訓練樣本圖像塊在相同像素點上的位置信息; 獲得到待處理圖像塊的K近鄰稀疏編碼均值; 像塊的稀疏表示,獲得待處理圖像塊的稀疏編碼系數; 典對待處理圖像塊進行高分辨率圖像塊重建; 練樣本圖像包分辨率人臉訓練樣本圖像和低分辨率人臉訓練樣本圖像; 樣本圖像對齊具體可采用仿射變換將待處理人臉圖像各人臉訓練樣本圖像對齊; 塊所對應的列矢量組成高分辨率人臉訓練樣本圖像塊矢量集;[0029]步驟三中所述的待處理圖像塊的K近鄰稀疏編碼均值由待處理圖像塊近鄰塊k的稀疏編碼系數αp,k平均得到,具體為: ω近鄰塊k的稀疏編碼系數權重p表示待處理圖像塊的K個近鄰塊的集合,k∈Np。 其中

k

率稀疏表示子字典λ是用于平衡稀疏約束真項的正則化參數,其值根據待處理圖像(2表示待處理圖像塊的近鄰塊hh>0hC[0039]步驟四中所述待處理圖像塊的稀疏編碼系數采用以下公式計算獲得 其中

表示待處理圖像塊對應位置的低分辨率稀疏示子字典 表示待處理圖像塊的K近鄰稀疏編碼均值λ是用于平衡稀疏約束β編碼均值約束項在目標函數求解過程中發(fā)揮作用的大小,β0lp表示介于第一范數和第二范數之間的范數范數,1lp2。 其中 采用L1范數約束最小二乘法求解(5)得到待處理圖像塊的稀疏編碼系數 重建過程采用如下公式: 其中,表示待處理圖像塊重建后得到的高分辨率圖像塊;[0049]將待處理人臉圖像所分成的待處理圖像塊均進行高分辨率圖像塊重建后,將所有[0050]本發(fā)明方法利用人臉圖像塊的位置先驗信息,提高人臉圖像超分辨率重建的相似K似性(SSIM表明本發(fā)明方法重建的高分辨率圖像更真;[0053]2)本發(fā)明在效果上明顯提高了重建人臉圖像的清晰度和相似度[0054]1圖(a)(d)為采用Jung(a)低分辨率人臉圖像所對應的原始高分辨率人臉圖像;[0057][0058]K見圖1辨率人臉訓練樣本圖像塊;位置的高分辨率稀疏表示子字典和低分辨率稀疏表示子字典分別為該位置的高分辨率人臉訓練樣本圖像塊和低分辨率人臉訓練樣本圖像塊的矢量集;像塊的稀疏表示;典對待處理圖像塊進行高分辨率圖像塊重建;[0065]本發(fā)明方法可應用于安防和計算機視覺等領域。例如,在下獲取的 本實施例以7作為仿真實驗平臺,以中國享人臉圖像數據庫 1個點。]低分辨率人臉圖像。降質過程如下式所示:[0073] [0074]XyXB為鏡頭光8×8D4[0076]這里人臉訓練樣本圖像包分辨率人臉訓練樣本圖像和低分辨率人臉訓練樣 其中,SHSL分別表示高低分辨率人臉訓練樣本圖像集 分別表示高低辨率人臉訓練樣本圖像集中第q副圖Q表示高、低分辨率人臉訓練樣本圖像集中人臉圖像的數量均為Q,本實施例中Q=1000R表示空間(Hilbert空間MN分別表示 b×b [0084]其中 分別為高低分辨率人臉訓練樣本圖像集中第q幅圖像中p位置 臉訓練樣本圖像塊可表示為B2×1維的列矢量,低分辨率人臉訓練樣本圖像塊可表示為b2×1維的列矢量。[0086]1-3樣本圖像塊的矢量集作為低分辨率稀疏表示子字典 其

表示p低分辨率稀疏表示子字典P表示每幅圖像劃分的圖像塊的數量。根據人臉訓練樣本圖像集作為高分辨率稀疏表示子字典即其中表,p位置的高分辨率稀疏表P圖像塊的K近鄰稀疏編碼均值。[0088]待處理圖像塊的K近鄰稀疏編碼均值由待處理圖像塊近鄰塊k的稀疏編碼系數αp,k平均得到,具體為: [0090其中,αp,kpkωp,k是待處理圖像塊NkNp。近鄰塊是指低分辨率冗余字典中與待處理圖像塊歐氏距離最小的K個圖像塊,K根據經驗取值。本具體實施中K=5。][0093]表示待處理圖像塊p的近鄰塊k

表示待處理圖像塊p對應的p低分辨率稀疏表示子字典λ是用于平衡稀疏約束真項的正則化參數,取值根據噪聲大小變化而不同,噪聲越大,λ取值越大,在 噪聲方差的1/10。 (7 表示待處理圖像在p

塊p的近鄰塊k;h為常數h>其值取決于期望的稀疏編碼系數權重的分布期望的稀疏編碼系數權重的分布幅度大則h取值大本實施例中h=10C為歸一化。用于 其中p

塊對應的p位置的低分辨率稀疏表示子字典 為待處理圖像塊p的K近鄰稀疏編l

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論