[發(fā)明專利]一種相似樣本特征擬合的人臉圖像清晰化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711322319.6
• 申請(qǐng)日: 2017-12-12
• 公開（公告）號(hào): CN108171124B
• 公開（公告）日: 2022-04-05
• 發(fā)明（設(shè)計(jì)）人: 干宗良;劉志恒;劉峰
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06T5/50
• 代理公司: 江蘇海越律師事務(wù)所 32402
• 代理人: 唐小紅

本發(fā)明提供了一種相似樣本特征擬合的人臉圖像清晰化方法。首先有一組與待清晰的人臉圖像尺寸和姿勢一致的清晰人臉圖像，并將這組人臉圖片降質(zhì)處理得到對(duì)應(yīng)的相同尺寸的非清晰人臉圖片組；每個(gè)像素位置對(duì)應(yīng)的非清晰、清晰樣本圖像塊投影到一個(gè)共同特征空間中；待清晰化人臉圖像每個(gè)像素位置圖像塊在特征空間中找到最相似的若干個(gè)非清晰樣本塊；在特征空間中，利用最小均方誤差準(zhǔn)則，得到上述若干個(gè)非清晰和清晰的樣本之間的非線性回歸模型；將上述回歸模型應(yīng)用到待清晰圖像塊中，擬合出對(duì)應(yīng)的清晰化圖像塊；所有像素位置上清晰化圖像塊在對(duì)應(yīng)人臉位置上拼接得到清晰人臉圖像。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，特別涉及一種相似樣本特征擬合的人臉圖像清晰化方法。

背景技術(shù)

隨著人工智能技術(shù)的發(fā)展，人臉檢測，人臉識(shí)別，表情識(shí)別的技術(shù)已經(jīng)在智能交通，移動(dòng)支付等領(lǐng)域得到應(yīng)用，這表明了計(jì)算機(jī)視覺技術(shù)已經(jīng)充分融入到普通人的生活中。但是在真實(shí)的生活場景中，一般的監(jiān)控設(shè)備由于受到拍攝設(shè)備自身硬件條件的影響，還會(huì)受到拍攝的環(huán)境等因素影響，譬如，拍攝的天氣，拍攝的距離，拍攝的時(shí)間、光照等，因此拍攝到的人臉圖像是模糊不清的。因此，當(dāng)人們準(zhǔn)備從視頻監(jiān)控中或者質(zhì)量較差的圖像中獲得有用的人臉信息時(shí)，就會(huì)遇到一些問題，所以人臉圖像清晰化技術(shù)的研究具有重要的實(shí)際意義。人臉清晰化技術(shù)是一種根據(jù)采集到的非清晰人臉圖像，通過學(xué)習(xí)到的清晰化模型進(jìn)行處理得到清晰人臉圖像的方法。

發(fā)明內(nèi)容

基于上述問題，本發(fā)明提出了一種相似樣本特征擬合的人臉圖像清晰化方法，提高了待清晰人臉圖像的質(zhì)量。

為解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案：

S1、將一組與待清晰人臉圖像尺寸和姿勢相同的清晰人臉圖像通過降質(zhì)得到一組對(duì)應(yīng)的非清晰人臉圖像，并把兩組圖像按照像素位置劃分成對(duì)應(yīng)的圖像塊，再將圖像塊按像素位置構(gòu)建清晰和非清晰訓(xùn)練樣本集；

S2、將每個(gè)像素位置的訓(xùn)練樣本集中的圖像塊減去均值后，再進(jìn)行特征提取；

S3、將待清晰人臉圖像按照像素位置重疊取塊得到待清晰人臉圖像塊，然后對(duì)每個(gè)圖像塊減去均值，再進(jìn)行特征提取；

S4、在與待清晰人臉圖像塊像素位置對(duì)應(yīng)的非清晰訓(xùn)練樣本集中，找到與待清晰人臉圖像塊特征最相近的K個(gè)非清晰人臉圖像塊特征，并在清晰訓(xùn)練樣本集中找到與之對(duì)應(yīng)的K個(gè)清晰人臉圖像塊特征，將所找到的K個(gè)清晰和非清晰的人臉圖像塊特征構(gòu)成訓(xùn)練樣本對(duì)；

S5、利用訓(xùn)練樣本對(duì)學(xué)習(xí)非清晰人臉圖像塊特征和清晰人臉圖像塊特征之間的非線性回歸關(guān)系，利用學(xué)習(xí)到的回歸關(guān)系求得待清晰人臉圖像塊特征對(duì)應(yīng)的清晰人臉圖像塊特征；

S6、將求得的清晰人臉圖像塊特征經(jīng)過反投影變換得到清晰人臉圖像塊；

S7、將逐個(gè)求得的清晰人臉圖像塊按照它在人臉圖像上的位置拼接成最終的清晰人臉圖像；

進(jìn)一步，所述步驟S1，其具體為：

S11、從人臉樣本庫中選取一組與待清晰人臉圖像尺寸和姿勢一致的清晰人臉圖像。對(duì)清晰人臉圖像進(jìn)行下采樣，得到縮小的清晰人臉圖像，然后采用雙三次插值算法將縮小的清晰人臉圖像放大至與原始清晰人臉圖像相同的尺寸，通過對(duì)清晰人臉圖像集中的每幅圖像進(jìn)行上述操作得到一組插值的非清晰人臉圖像；

S12、采用大小固定的矩形窗口分別對(duì)清晰、非清晰人臉圖像進(jìn)行滑窗分塊，并保證上下左右相鄰位置塊之間有重疊部分，且重疊的像素個(gè)數(shù)相同。

S13、分別將清晰和非清晰人臉圖像中相同像素位置的圖像塊整合在一起，構(gòu)成清晰和非清晰訓(xùn)練樣本集。假設(shè)在位置p處的非清晰訓(xùn)練樣本集定義為清晰訓(xùn)練樣本集定義為其中J是樣本集中圖像塊的維度，M是樣本集中圖像塊的個(gè)數(shù)，x_p和y_p分別表示非清晰和清晰圖像在位置p處的圖像塊。

進(jìn)一步，所述步驟S2，其具體為：