欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2017108176161
申请人: 河南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种改进的基于最近特征线流形学习的人脸超分辨率重建方法,其特征在于,包括如下步骤:步骤1,输入低分辨率人脸图像,对输入的低分辨率人脸图像、低分辨率训练集中的低分辨率人脸样本图像以及高分辨率训练集中的高分辨率人脸样本图像划分相互重叠的图像块;

步骤2,对于输入的低分辨率人脸图像中每个图像块,取低分辨率训练集中每个低分辨率人脸样本图像相应位置的图像块作为样本点,建立低分辨率人脸样本块空间,计算在低分辨率人脸样本块空间上的K个最近的投影点,其中对于投影点落在样本点之间的连接线的外推线上的情况,根据约束参数W,找出不符合实际的投影点,计算出符合实际的最近的点作为替代;

步骤3,对于输入的低分辨率人脸图像中每个图像块,使用步骤2所得低分辨率人脸样本块空间上的K个最近的投影点进行线性重构,得到线性重构的权重系数;

步骤4,对于输入的低分辨率人脸图像中每个图像块,取高分辨率训练集中每个高分辨率人脸样本图像相应位置的图像块作为样本点,建立高分辨率人脸样本块空间,计算在高分辨率人脸样本块空间上与步骤2所得低分辨率人脸样本块空间上的K个最近的投影点分别对应的K个样本点;

步骤5,将步骤2所得低分辨率人脸样本块空间上的K个最近的投影点,替换为步骤4所得高分辨率人脸样本块空间上的K个样本点,使用步骤3所得权重系数,加权重构出高分辨率的图像块;

步骤6,将所有加权重构出的高分辨率的图像块按照位置叠加,然后除以每个像素位置交叠的次数,重构出高分辨率人脸图像。

2.根据权利要求1所述的改进的基于最近特征线流形学习的人脸超分辨率重建方法,其特征在于:步骤1中将输入的低分辨率人脸图像、高分辨率训练集和低分辨率训练集分别转化为一维向量,得到待重建低分辨率图像x、高分辨率图像训练样本 和低分辨率图像训练样本 其中N表示高分辨率图像训练样本和低

分辨率图像训练样本中训练样本图样的个数;

将待重建低分辨率图像x、高分辨率图像训练样本Y中的每个训练样本图样和低分辨率图像训练样本X中的每个训练样本图样分别划分为互相重叠且等大小的图像块后,所构成的待重建低分辨率图像块集、高分辨率图像训练样本集和低分辨率图像训练样本集分别为:{xi|1≤i≤M}, 其中M表示每个图像划分的图像块个数;

步骤2中,对低分辨率人脸图像中的每个图像块,计算在低分辨率人脸样本块空间上的K个最近的投影点具体包括步骤2.1-2.6:步骤2.1,对待重建低分辨率图像块集中的第t个图像块xt,分别提取高分辨率图像训练样本集和低分辨率图像训练样本集中每个分块后训练样本图样的第t个图像 块,组成高分辨率训练图像块集合Ht和低分辨率训练图像块集合Lt,步骤2.2,从低分辨率训练图像块集合Lt中,选出和图像块xt欧氏距离最近的Kpre个样本图像块,组成筛选后的低分辨率近邻图像块集合 其中 表示xt的邻域集合, 表示邻域 中的图像块个数;

步骤2.3,将经过筛选后的低分辨率近邻图像块集合LKpret中任意两个样本点 和 相连接,形成 条特征线 j1和j2均为整数且1≤j1≤j2≤N;

步骤2 .4 ,计算 输入图 像块x t在所 有特征 线 上的 投影 点表示位置参数,其中

那么,输入图像块xt与特征线 的距离可以看作是xt与投影点 的距离,即其中, 表示输入图像块xt到投影点 的欧氏距离;

步骤2.5,根据实际情况对投影点 进行区分计算;当投影点 没有落在样本点 和外推线上时,说明投影点 落在样本点 和 的连线的线段之间,投影点不用替换;当投影点 落在样本点 和 外推线上时,计算投影点 到样本点 和 的欧氏距离:和 若投影点 到样本点 的欧氏距离

较小,把两样本点 和 的欧氏距离 乘以约束参数W,若

则令投影点为 令 为 放入待

选择样本集合,若投影点 到样本点 的欧氏距离 较小,处理方式与上述方式相同;

步骤2.6,根据步骤2.5得到的 从低分辨率近邻图像块集合LKpret中查找图像块xt的K个最近邻投影点,即相当于找出图像块xt与DR条特征线的投影点距离最近的K个,构成低分辨率最近邻样本投影点集合 C(t)为K个最近邻样本投影点下标的集合;

步骤3中,对输入的待重建低分辨率图像块集中的第t个图像块xt,利用步骤2.6从低分辨率近邻图像块集合LKpret中筛选出的K个最近邻样本的投影点构成的低分辨率最近邻样本投影点集合 进行线性重构,获得目标重构权重Wt;

步骤4中,对于输入的待重建低分辨率图像块集中第t个图像块xt,在高分辨率训练图像t块集合H中计算与低分辨率最近邻样本投影点集合 的每个投影点分别对应的K个投影点图像块,构成高分辨率最近邻样本投影点集合 其中为步骤2.4计算出的 在j1=c,j2=d时所取的值;

t

步骤5中,对于输入的待重建低分辨率图像块集中第t个图像块x ,将步骤4得到的高分辨率最近邻样本投影点集合 线性合成目标高分辨率图像块yt,合成系数Wt:

3.根据权利要求2所述的改进的基于最近特征线流形学习的人脸超分辨率重建方法,其特征在于:步骤2.5中,约束参数W的值为1.25。