[發(fā)明專利]基于雙流形對齊的人臉超分圖像處理方法

有效

• 申請?zhí)枺?/td>: 200910054912.6
• 申請日: 2009-07-16
• 公開（公告）號: CN101609503A
• 公開（公告）日: 2009-12-23
• 發(fā)明（設(shè)計）人: 張軍平;李想
• 申請（專利權(quán)）人: 復(fù)旦大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海東亞專利商標代理有限公司
• 代理人: 羅習群

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像處理方法，特別涉及一種基于雙流形對齊的 人臉超分圖像處理方法。

背景技術(shù)

目前，人臉超分辨率研究存在諸多的困難，現(xiàn)階段仍未形成實用 性的方法和理論框架，主要的難點表現(xiàn)在如何利用一組訓練圖像來構(gòu) 造相應(yīng)的知識庫，并基于知識庫重建低分辨率測試圖像的高分辨率 解。

圖像超分辨率的目標，在于用一幅或多幅低分辨率的圖像重構(gòu)出 高分辨率的圖像。目前主要的超分辨率算法有基于插值的，基于重構(gòu) 的和基于學習的。

人臉超分辨率是圖像超分辨率里的一個特殊領(lǐng)域，主要原因在于 人臉具有一些相似的拓撲結(jié)構(gòu)，這些典型的結(jié)構(gòu)特征可以視為一種強 的先驗信息，有利于縮小超分求解的搜索空間。在基于學習的超分算 法中，可將低分辨率(LR)圖像和高分辨率(HR)圖像視為兩個異構(gòu) 的流形，因為HR/LR圖像對反映了相同的內(nèi)容，然而卻是在不同的分 辨率空間表達該內(nèi)容。因此，我們可以推斷，它們在所張成的子空間 中具有相似的拓撲結(jié)構(gòu)。所以，如果找到生成HR/LR圖像的共同空間， 使得拓撲相似性最大化，并能對齊異構(gòu)的HR/LR的結(jié)構(gòu)，再在此基礎(chǔ) 上，通過學習算法，得到高維流形(HR圖像)與低維流形(LR圖像) 之間的對應(yīng)關(guān)系或映射系數(shù)等，對提高圖像超分辨率效果勢必有很大 幫助。

目前，超分辨率研究涉及到的技術(shù)領(lǐng)域主要有：圖像處理、機器 學習等。

發(fā)明內(nèi)容

本發(fā)明根據(jù)上述難點，提出一種基于雙流形對齊的技術(shù)用于人臉 超分，將訓練集中的高分辨率圖像和低分辨率圖像這兩個異構(gòu)的流形 對齊后再進行超分算法。從實驗看出該方法在重構(gòu)高分辨率圖像上優(yōu) 于其他已有的方法，能夠推進超分辨率技術(shù)的進一步發(fā)展。

本發(fā)明欲解決人臉超分變率領(lǐng)域的一個問題，即如何將異構(gòu)的 HR/LR(高分/低分)流形對齊。

在人臉超分辨率研究中，一個較普遍的基于學習的方法，是使用 局部線性嵌入法。其基本思想是構(gòu)建兩個數(shù)據(jù)集，一個是低分辨率的， 一個是高分辨率的。對于測試的低分辨率圖像，首先求解其在低分辨 率數(shù)據(jù)集上的表示系數(shù)，再利用低分辨率圖像塊和高分辨率圖像塊的 流形一致性假設(shè)，使用低分辨率數(shù)據(jù)集上的表示系數(shù)重構(gòu)出高分辨率 的圖像塊。然而，流形的一致性假設(shè)在很多情況下都是不成立的，即 兩個高分辨率和低分辨率兩個數(shù)據(jù)集并不是同構(gòu)數(shù)據(jù)集，而是異構(gòu)數(shù) 據(jù)集。

本發(fā)明提供了一種基于雙流形對齊的人臉超分圖像處理方法， 其特征在于：該方法包括以下的步驟：

①對兩個訓練集HR和LR進行主成分分析PCA，使之降到相同 的維數(shù)：設(shè)原HR數(shù)據(jù)為x₁^h，x₂^h，...，x_N^h，通過主成分分析PCA降維后， 得到HR數(shù)據(jù)的均值x^h，以及由一組正交向量組成的變換矩陣P^h，數(shù) 據(jù)點的PCA系數(shù)為yih=Pxih(i=1,2,...,N);]]>同理，對于LR數(shù)據(jù) x₁^l，x₂^l，...，x_N^l，通過主成分分析PCA，同樣可以得到x^l，P^l，以及y_i^l(i＝1，2，…N)；