本發明專利技術屬于圖像超分辨率重構領域，尤其是一種優化人臉圖像超分辨率重構方法,其包括以下步驟：步驟1）、輸入低分辨率人臉圖像及K個低分辨率參考人臉圖像；步驟2）、計算局部嵌入系數；步驟3）、將局部嵌入系統代入重構模型計算超分辨率重構圖像；步驟4）、將上一步驟中求得的圖像作為輸入圖像。該方法可以使人臉識別的精度得到提升。
【技術實現步驟摘要】
本專利技術屬于圖像超分辨率重構領域，尤其是。
技術介紹
專利號為201210164069. 9的專利公開了一種基于多流形判別分析超分辨率的人臉識別方法，該方法在訓練階段，通過多流形判別分析得到一個由低高辨率人臉圖像多流形空間到高分辨率人臉圖像多流形空間的映射矩陣。在原始高分辨率人臉圖像多流形空間構建類內相似性圖和類間相似性圖，利用這兩個近鄰圖構建判別約束項，最優化由重建約束項和判別約束項組成的代價函數，得到映射矩陣。在識別階段，通過離線學習得到的映射矩陣將待識別的低分辨率人臉圖像映射到高分辨率人臉圖像多 流形空間，得到高分辨率人臉圖像。但是現有的超分辨率重構方法重構的圖像精度不夠，造成人臉識別的性能嚴重下降。
技術實現思路
本專利技術所要解決的技術問題是為了改善圖像重構的質量，本專利提出了，該方法可以使人臉識別的精度得到提升。本專利技術解決上述技術問題所采用的技術方案是，其包括以下步驟步驟I)、首先取輸入低分辨率人臉圖像I和K個與輸入低分辨率人臉圖像I的歐氏距離最近的低分辨率參考人臉圖像IkOO，低分辨率參考人臉圖像IkOO經仿射平移算子平移P個單位后的圖像為Ik(x+P),取K = 6 ；步驟2)、對步驟I)中輸入低分辨率人臉圖像I和K個與輸入低分辨率人臉圖像I的歐氏距離最近的低分辨率參考人臉圖像IkOO分別用復合重心有理插值算法進行插值放大，插值放大后的圖像分別依次記為I1 ,和I1 ,，k，k=l, 2，…，K，然后，采用光流法并利用I1 ,和I1 ,，k來獲得高分辨率圖像光流場；令K個參考樣本在X處的配準誤差為Er，k(x)，k=l、2、···、Κ，它可以由下式計算得到￡r i(x) = |//t(x)-7 tj)t(x)|，式中？;τ;,代表利用光流場對Ilt,k進行配準后生成的圖像JfEr，k(x)代入式(1.1) - -1-2ΣΛΑχ+^+η-bk(x) =(I I) Σ Σ 五 切) + kJBx = Ciiagtb1 (χ)b2 (χ) ."IDk(X) ] (1. 2)其中，Ueps是一個用以避免分母為O正常數，Ω是一個鄰域窗口，其大小為7X7像素點，+ 0反映了參考樣本在像素點χ附近平移q個單位的配準誤差；求解Bx，所 qGU.求得的Bx作為平衡局部嵌入系數的權重代入式(2);配準后的高分辨率參考樣本與目標圖像在像素點χ處具有近似相同的嵌入系數，其嵌入系數按如下公式計算權利要求1.，其特征在于其包括以下步驟步驟I)、首先取輸入低分辨率人臉圖像I和K個與輸入低分辨率人臉圖像I的歐氏距離最近的低分辨率參考人臉圖像Ik(X)，低分辨率參考人臉圖像Ik(X)經仿射平移算子平移 P個單位后的圖像為Ik(x+P),取K = 6 ；步驟2)、對步驟I)中輸入低分辨率人臉圖像I和K個與輸入低分辨率人臉圖像I的歐氏距離最近的低分辨率參考人臉圖像IkOO分別用復合重心有理插值算法進行插值放大， 插值放大后的圖像分別依次記為I1 ,和I1 ,，k，k=l, 2，…，K，然后，采用光流法并利用I1 ,和 I1 , ,k來獲得高分辨率圖像光流場；令K個參考樣本在X處的配準誤差為Er，k(x)，k=l、2、···、K，它可以由下式計算得到:Er,k(x) = |//f(x)-7/t>t(x)|，式中Jru ,代表利用光流場對I11，k進行配準后生成的圖像JfEr，k(x)代入式(1.1)全文摘要本專利技術屬于圖像超分辨率重構領域，尤其是,其包括以下步驟步驟1)、輸入低分辨率人臉圖像及K個低分辨率參考人臉圖像；步驟2)、計算局部嵌入系數；步驟3)、將局部嵌入系統代入重構模型計算超分辨率重構圖像；步驟4)、將上一步驟中求得的圖像作為輸入圖像。該方法可以使人臉識別的精度得到提升。文檔編號G06K9/00GK102999748SQ20121053762公開日2013年3月27日 申請日期2012年12月12日 優先權日2012年12月12日專利技術者不公告專利技術人 申請人:湖北微駕技術有限公司本文檔來自技高網...
【技術保護點】
一種優化人臉圖像超分辨率重構方法，其特征在于：其包括以下步驟：步驟1）、首先取輸入低分辨率人臉圖像I和K個與輸入低分辨率人臉圖像I的歐氏距離最近的低分辨率參考人臉圖像Ik(x)，低分辨率參考人臉圖像Ik(x)經仿射平移算子平移p個單位后的圖像為Ik(x+p)，取K＝6；步驟2）、對步驟1）中輸入低分辨率人臉圖像I和K個與輸入低分辨率人臉圖像I的歐氏距離最近的低分辨率參考人臉圖像Ik(x)分別用復合重心有理插值算法進行插值放大，插值放大后的圖像分別依次記為Il↑和Il↑,k,k=1,2,…,K，然后，采用光流法并利用Il↑和Il↑，k來獲得高分辨率圖像光流場；令K個參考樣本在x處的配準誤差為Er,k(x)，k=1、2、…、K，它可以由下式計算得到：式中代表利用光流場對Il↑,k進行配準后生成的圖像；將Er,k(x)代入式(1.1)bk(x)=[Σq∈ΩEr,k(x+q)+ueps]-2Σk[Σq∈ΩEr,k(x+q)+ueps]-2---(1.1)Bx＝diag[b1(x)b2(x)…bk(x)](1.2)其中,ueps是一個用以避免分母為0正常數，Ω是一個鄰域窗口,其大小為7×7像素點，反映了參考樣本在像素點x附近平移q個單位的配準誤差；求解Bx，所求得的Bx作為平衡局部嵌入系數的權重代入式(2)；配準后的高分辨率參考樣本與目標圖像在像素點x處具有近似相同的嵌入系數，其嵌入系數按如下公式計算：{wp(x)|p∈C,x∈G}=argminΣxγ2×[h(x)-Σp∈Ch(x+p)wp(x)]TBx·[h(x)-Σp∈Ch(x+p)wp(x)]+Σp∈C(Σx|▿wp(x)|)---(2)式中:G代表高分辨率圖像中所有可能的像素點位置;γ用于平衡式(2)中加號前后兩項的貢獻度大小,γ＝0.5；前一項反映了wp(x)應當滿足的局部嵌入關系；后一項是其總變差；為了求解式(2),采用基于時變偏微分方程的方法來迭代求解wp(x)：∂wp(x)∂t=▿(▿wp(x)|▿wp(x)|)-γhT(x+p)Bx×[Σq∈Ch(x+p)wp(x)-h(x)]式中為嵌入系數隨時間t的變化量；離散化上式就可以求得局部嵌入系數wp(x)的數值解；所述復合重心有理插值算法具體為：Step?2.1:將低分辨率人臉圖像I和K個與輸入低分辨率人臉圖像I的歐氏距離最近的低分辨率圖像中的每一個圖像分別分解為紅、綠、藍三個色彩通道，在每個通道分別以4×4像素點大小的鄰域窗口中的像素值作為插值節點對應的輸入圖像像素f(xi,yj)；Step?2.2:由式（1）進行插值計算；每計算完一次，按照從左至右，從下到上進行掃描逐步計算所得的結果，把所計算的序列結果存入目標圖像數組中，作為最后插值放大后的圖像；放大后的圖像分別記為Il↑和Il↑，k,k=1,2,…,K;所述復合重心有理插值的數學模型為：R(x,y)=Σi=0n-d1λi(x)ri(x,y)Σi=0n-d1λi(x)---(1)其中，ψk(x,y)=Σl=kk+d2(-1)ly-ylf(x,yl)Σl=kk+d2(-1)ly-ylk=0,1,...,m-d2λi(x)=(-1)i(x-xi)(x-xi+1)...(x-xi+d1)λi(y)=(-1)k(y-yk)(y-yk+1)...(y-yk+d2)m,n為正整數，在這里取m＝3,n＝3；xi,yj為插值節點，f(xi,yj)為節點對應的輸入圖像像素值，R(x,y)為輸出放大后圖像像素值；步驟3）、將步驟2）中求得的局部嵌入系數wp(x)的數值解代入重構模型計算超分辨率重構圖像；所述重構模型的計算方法為：首先，將局部嵌入系數wp(x)的數值解代入式（3）對目標圖像按下式（3）進行最大后驗概率估計：I^h=argIhminQ(Ih)=argIhmin||DBIh-I1||2+λΣx||Ih(x)-Σp∈Cih(...
【技術特征摘要】
【專利技術屬性】
技術研發人員：不公告發明人，
申請(專利權)人：湖北微駕技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。