基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法技術(shù)

本發(fā)明專利技術(shù)公開了一種基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法，本發(fā)明專利技術(shù)涉及圖像分辨率處理技術(shù)領(lǐng)域，尤其涉及一種基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法。本發(fā)明專利技術(shù)根據(jù)人臉塊位置先驗(yàn)信息，對訓(xùn)練樣本圖像塊進(jìn)行聚類，得到相應(yīng)位置的高低分辨率稀疏表示字典對；利用低分辨率字典對輸入圖像塊的K近鄰進(jìn)行稀疏表示，得到稀疏編碼均值；基于稀疏先驗(yàn)和K近鄰稀疏編碼均值約束實(shí)現(xiàn)低分辨率圖像塊的稀疏表示，通過系數(shù)映射實(shí)現(xiàn)高分辨率圖像塊重建，最終交疊平均得到高分辨率人臉圖像。本發(fā)明專利技術(shù)方法在保持重建人臉圖像相似度的基礎(chǔ)上，改善了人臉圖像的清晰度，增強(qiáng)了超分辨率圖像的質(zhì)量。

【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于圖像處理
，尤其涉及一種基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法。
技術(shù)介紹
在視頻監(jiān)控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(zhì)量，以致于難以滿足人臉辨識的需要。人臉超分辨率技術(shù)，也叫做幻覺臉技術(shù)(FaceHallucination)，它能夠在不改變硬件環(huán)境的情況下，從一副或多幅低分辨率輸入人臉圖像中，重建出一副高分辨率的人臉圖像，達(dá)到改善人臉圖像的清晰度的目的。該技術(shù)在安防 監(jiān)控、計(jì)算機(jī)視覺等領(lǐng)域中具有重要的應(yīng)用。現(xiàn)有的人臉超分辨率方法大致分為三類第一類是基于全局參數(shù)模型的人臉超分辨率方法，第二類是基于局部非參數(shù)模型的人臉超分辨率方法，第三類是結(jié)合全局模型和局部模型的人臉超分辨率方法。本專利技術(shù)主要關(guān)注第二類方法。基于局部非參數(shù)模型的人臉超分辨率方法大致包括以下三個(gè)步驟首先將人臉圖像劃分成大小相等的圖像塊，然后針對每個(gè)圖像塊進(jìn)行超分辨率重建得到高分辨率圖像塊，最后將重建后的高分辨率圖像塊融合在一起，得到完整的高分辨率人臉圖像。由于這類方法能夠充分利用局部人臉圖像的統(tǒng)計(jì)特性，如眼睛、嘴、位置等，較之輸入圖像，合成的高分辨率人臉圖像能夠明顯地改善輸入圖像的清晰度。不過，該方法也存在著易受噪聲干擾，且計(jì)算量大的弊端。最近鄰方法被用于減少基于局部非參數(shù)模型的人臉超分辨率方法的計(jì)算復(fù)雜度。最近鄰方法在計(jì)算的過程中，需要根據(jù)經(jīng)驗(yàn)值來指定近鄰塊的個(gè)數(shù)，易導(dǎo)致合成高分辨率圖像塊的信息過擬合或者不充分。Yangtl]首次將壓縮感知的思想應(yīng)用到超分辨率領(lǐng)域，在自然圖像超分辨率重建過程中，通過自動(dòng)選取合成塊的個(gè)數(shù)，取得了較好的超分辨率效果。在Yang的基礎(chǔ)上，Changt2]利用稀疏表示的方法合成人臉?biāo)孛鑸D像。Ma[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(chǔ)上，Jungtt]提出了利用凸優(yōu)化替代Ma方法中的最小二乘估計(jì)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。盡管現(xiàn)有的人臉超分辨率方法在理想超分辨率情況下(即對只有下采樣的降質(zhì)圖像進(jìn)行超分辨率)取得了較好的效果，但是，當(dāng)?shù)头直媛蕡D像中同時(shí)具有噪聲時(shí)，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。文中涉及的參考文獻(xiàn)如下[I] J. C. Yang, J. Wright, T. S. Huang, Y. Ma. Image Super-Resolution Via SparseRepresentation. IEEE TIP,19 (11), pp. 2861-2873，2010.[2]L. Chang, M. Zhou, Face Sketch Synthesis via Sparse Representation, InICPR, pp. 2146-2149，2010.[3]Ma, J. Zhang, and C. Qi, Hallucinating face by position-patch, Pattern Recognition, 43(I), pp. 2224-2236，2010. [4]X. C. Jung, L. Jiao, and etc. Position-Patch Based FaceHallucination Using Convex Optimization. IEEE Signal ProcessingLetters, 18(6), pp. 367-370，2011)
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的是提出一種基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法，該方法能提高重建高分辨率人臉圖像清晰度和相似度。為達(dá)到上述目的，本專利技術(shù)采用如下的技術(shù)方案基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法，包括以下步驟步驟一，對待處理人臉圖像和人臉訓(xùn)練樣本圖像進(jìn)行分塊得到待處理人臉圖像塊和人臉訓(xùn)練樣本圖像塊，所述的人臉訓(xùn)練樣本圖像包括高分辨率人臉訓(xùn)練樣本圖像和低分辨率人臉訓(xùn)練樣本圖像，那么，所得的人臉訓(xùn)練樣本圖像塊包括高分辨率人臉訓(xùn)練樣本圖 像塊和低分辨率人臉訓(xùn)練樣本圖像塊；步驟二，根據(jù)步驟一所得各圖像塊的位置先驗(yàn)信息，對人臉訓(xùn)練樣本圖像塊進(jìn)行聚類，分別獲得各相應(yīng)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，所述的位置先驗(yàn)信息為待處理人臉圖像塊和各人臉訓(xùn)練樣本圖像塊在相同像素點(diǎn)上的位置信息；步驟三，利用低分辨率稀疏表示子字典對待處理人臉圖像塊的K近鄰進(jìn)行稀疏表示，獲得到待處理圖像塊的K近鄰稀疏編碼均值；步驟四，基于稀疏先驗(yàn)和待處理圖像塊的K近鄰稀疏編碼均值約束實(shí)現(xiàn)待處理圖像塊的稀疏表示，獲得待處理圖像塊的稀疏編碼系數(shù)；步驟五，根據(jù)待處理圖像塊的稀疏編碼系數(shù)和其對應(yīng)位置的高分辨率稀疏表示子字典對待處理圖像塊進(jìn)行高分辨率圖像塊重建；步驟六，根據(jù)重建的高分辨率圖像塊獲取高分辨率人臉圖像。步驟一進(jìn)一步包括以下子步驟1-1對待處理人臉圖像和各人臉訓(xùn)練樣本圖像進(jìn)行大小歸一化處理，所述的人臉訓(xùn)練樣本圖像包括高分辨率人臉訓(xùn)練樣本圖像和低分辨率人臉訓(xùn)練樣本圖像；1-2選取若干人臉特征點(diǎn)，根據(jù)選取的人臉特征點(diǎn)將待處理人臉圖像、各人臉訓(xùn)練樣本圖像對齊，具體可采用仿射變換將待處理人臉圖像、各人臉訓(xùn)練樣本圖像對齊；1-3將對齊后的待處理人臉圖像和各人臉訓(xùn)練樣本圖像進(jìn)行分塊得到待處理人臉圖像塊和人臉訓(xùn)練樣本圖像塊，所述的人臉訓(xùn)練樣本圖像塊包括高分辨率人臉訓(xùn)練樣本圖像塊和低分辨率人臉訓(xùn)練樣本圖像塊。步驟二進(jìn)一步包括以下子步驟2-1將步驟一所得人臉訓(xùn)練樣本圖像塊中每個(gè)圖像塊展開成一個(gè)列矢量，列矢量中的每個(gè)元素對應(yīng)著該圖像塊中各像素點(diǎn)的灰度值，所有的低分辨率人臉訓(xùn)練樣本圖像塊所對應(yīng)的列矢量組成低分辨率人臉訓(xùn)練樣本圖像塊矢量集，所有的高分辨率人臉訓(xùn)練樣本圖像塊所對應(yīng)的列矢量組成高分辨率人臉訓(xùn)練樣本圖像塊矢量集；2-2根據(jù)各圖像塊的位置先驗(yàn)信息，選取相同位置上的低分辨率人臉訓(xùn)練樣本圖像塊矢量集作為該位置的低分辨率稀疏表示子字典，所述的位置先驗(yàn)信息為待處理人臉圖像塊和各人臉訓(xùn)練樣本圖像塊在相同像素點(diǎn)上的位置信息；2-3根據(jù)各圖像塊的位置先驗(yàn)信息，選取相同位置上的高分辨率人臉訓(xùn)練樣本圖像塊矢量集作為該位置的高分辨率稀疏表示子字典，所述的位置先驗(yàn)信息為待處理人臉圖像塊和各人臉訓(xùn)練樣本圖像塊在相同像素點(diǎn)上的位置信息。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(shù)ap,k加權(quán)平均得到，具體為五Κ]=Σ *⑴k^Np其中，a p,k是待處理圖像塊的近鄰塊k的稀疏編碼系數(shù)；COp k是待處理圖像塊的近鄰塊k的稀疏編碼系數(shù)權(quán)重；NP表示待處理圖像塊的K個(gè)近鄰塊的集合，k e Np。 上述待處理圖像塊的近鄰塊k的稀疏編碼系數(shù)ap,k，采用以下公式計(jì)算獲得apli = argmin||//；, -+ /.|r/y ,||L、2)其中Il表示待處理圖像塊的近鄰塊k;Df表示待處理圖像塊對應(yīng)位置的低分辨率稀疏表示子字典；λ是用于平衡稀疏約束項(xiàng)和保真項(xiàng)的正則化參數(shù)，其值根據(jù)待處理圖像塊的噪聲水平而不同，噪聲水平越大，λ取值越大，在高斯噪聲情況下，取高斯噪聲方差的1/10。式(2)中等號右側(cè)第一項(xiàng)為保真項(xiàng)，第二項(xiàng)為稀疏約束項(xiàng)。這里采用LI范數(shù)約束最小二乘法求解式(2)，從而得到待處理入圖像本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法，其特征在于，包括以下步驟：步驟一，對待處理人臉圖像和人臉訓(xùn)練樣本圖像進(jìn)行分塊得到待處理人臉圖像塊和人臉訓(xùn)練樣本圖像塊，所述的人臉訓(xùn)練樣本圖像包括高分辨率人臉訓(xùn)練樣本圖像和低分辨率人臉訓(xùn)練樣本圖像；步驟二，根據(jù)步驟一所得各圖像塊的位置先驗(yàn)信息，對人臉訓(xùn)練樣本圖像塊進(jìn)行聚類，分別獲得各相應(yīng)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，所述的位置先驗(yàn)信息為待處理人臉圖像塊和各人臉訓(xùn)練樣本圖像塊在相同像素點(diǎn)上的位置信息；步驟三，利用低分辨率稀疏表示子字典對待處理人臉圖像塊的K近鄰進(jìn)行稀疏表示，獲得待處理圖像塊的K近鄰稀疏編碼均值；步驟四，基于稀疏先驗(yàn)和待處理圖像塊的K近鄰稀疏編碼均值約束實(shí)現(xiàn)待處理圖像塊的稀疏表示,獲得待處理圖像塊的稀疏編碼系數(shù)；步驟五，根據(jù)待處理圖像塊的稀疏編碼系數(shù)和其對應(yīng)位置的高分辨率稀疏表示子字典對待處理圖像塊進(jìn)行高分辨率圖像塊重建；步驟六，根據(jù)重建的高分辨率圖像塊獲取高分辨率人臉圖像。

【技術(shù)特征摘要】
1.基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法，其特征在于，包括以下步驟 步驟一，對待處理人臉圖像和人臉訓(xùn)練樣本圖像進(jìn)行分塊得到待處理人臉圖像塊和人臉訓(xùn)練樣本圖像塊，所述的人臉訓(xùn)練樣本圖像包括高分辨率人臉訓(xùn)練樣本圖像和低分辨率人臉訓(xùn)練樣本圖像； 步驟二，根據(jù)步驟一所得各圖像塊的位置先驗(yàn)信息，對人臉訓(xùn)練樣本圖像塊進(jìn)行聚類，分別獲得各相應(yīng)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，所述的位置先驗(yàn)信息為待處理人臉圖像塊和各人臉訓(xùn)練樣本圖像塊在相同像素點(diǎn)上的位置信息； 步驟三，利用低分辨率稀疏表示子字典對待處理人臉圖像塊的K近鄰進(jìn)行稀疏表示，獲得待處理圖像塊的K近鄰稀疏編碼均值； 步驟四，基于稀疏先驗(yàn)和待處理圖像塊的K近鄰稀疏編碼均值約束實(shí)現(xiàn)待處理圖像塊 的稀疏表示，獲得待處理圖像塊的稀疏編碼系數(shù)； 步驟五，根據(jù)待處理圖像塊的稀疏編碼系數(shù)和其對應(yīng)位置的高分辨率稀疏表示子字典對待處理圖像塊進(jìn)行高分辨率圖像塊重建； 步驟六，根據(jù)重建的高分辨率圖像塊獲取高分辨率人臉圖像。2.權(quán)利要求I所述的基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法，其特征在于 步驟一中所述的低分辨率人臉訓(xùn)練樣本圖像由所述的高分辨率人臉訓(xùn)練樣本圖像經(jīng)過降質(zhì)處理得到。3.權(quán)利要求I所述的基于K近鄰稀疏編碼均值約束的人臉超分辨率處理方法，其特征在于 步驟一進(jìn)一步包括以下子步驟 1-1將待處理人臉圖像和各人臉訓(xùn)練樣本圖像進(jìn)行大小歸一化處理，所述的人臉訓(xùn)練樣本圖像包括高分辨率人臉訓(xùn)練樣本圖像和低分辨率人臉訓(xùn)練樣本圖像； 1-2選取若干人臉特征點(diǎn)，根據(jù)選取的人臉特征點(diǎn)將待處理人臉圖像、各人臉訓(xùn)練樣本圖像對齊； 1-3將對齊后的待處理人臉圖像和各人臉訓(xùn)練樣本圖像進(jìn)行分塊得到待處理人臉圖像塊和人臉訓(xùn)練樣本圖像塊，所述的人臉訓(xùn)練樣本圖像塊包括高分辨率人臉訓(xùn)練樣本圖像塊和低分辨率人臉訓(xùn)練樣本圖像塊。4.權(quán)利要求3所述的基于K近鄰...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：胡瑞敏，黃克斌，韓鎮(zhèn)，江俊君，盧濤，夏洋，陳亮，
申請(專利權(quán))人：武漢大學(xué)，
類型：發(fā)明
國別省市：