人脸识别率与图像分辨率关系的比较分析

为在低分辨率图像中提高人脸识别率,从实际应用角度出发,分析研究图像分辨率与人脸识别率间的关系,在此基础上,采用主成分分析方法,对3种数据库中具有不同分辨率的人脸图像进行识别。仿真实验结果表明,该方法能在人脸图像分辨率较低的情况下获得与高分辨率图像基本一致的识别效果,且同时兼顾识别率及识别效率。

基于学习的人脸图像超分辨率重构算法

提出了一种新的基于学习的人脸图像超分辨率重构算法,利用高分辨率图像和低分辨率图像的拓扑结构相似性,将现有的低分辨率人脸图像在低分辨率人脸图像字典中展开,在保持系数不变的同时将字典换为高分辨率人脸图像字典,最终得到待重构的高分辨率人脸图像.在系数估计时,使用主成分分析的方法,同时加入了最小全变分作为约束,算法充分利用了不同人脸图像之间的相似性和人脸图像本身的内部相关性.实验结果表明,结果既保持了对原有图像的忠实性,又比较适合人眼观察.

基于多尺度特征融合的属性已知人脸图像超分辨率

卷积神经网络凭借其强大的表征能力,在图像超分辨率任务上取得了许多令人满意的结果。许多基于神经网络的方法采用增加网络深度的方式,存在存储空间消耗多、实用性不强的问题。为解决该问题,该文提出一种基于多尺度特征融合的属性感知人脸图像超分辨率网络。该文借助局部残差模块和逐元素相加的融合方式以减少网络复杂性并提炼出表征能力优秀的多尺度特征。该文构建一个可自适应地融合多尺度特征和人脸先验的属性感知模块,使得网络学习到更丰富的语义信息。该文提出的网络由多个网络子模块级联构成,并通过一个多层次特征融合模块进行共同学习。试验表明:该文方法能取得良好的超分辨率性能,输出更加真实的人脸图像,可以通过调整人脸属性信息进行人脸图像生成效果的操纵。

基于结构先验的人脸图像超分辨率技术概述

人脸图像超分辨率技术,又名人脸幻觉,可根据给定的低分辨率人脸图像中恢复出对应的高分辨率人脸图像。该技术无论是在学术界还是在工业界都具有非常广泛的应用前景。人脸,作为一种具有高度结构先验的对象,其结构先验可以为网络提供结构信息,从而辅助人脸图像超分辨率任务的执行,改善人脸图像超分辨率性能。因而许多基于结构先验的人脸图像超分辨率方法被提出。为了了解和掌握基于结构先验的人脸图像超分辨率技术的发展状况,本文对其进行了系统的总结与归类,主要从先先验、并行先验、中间先验和后先验,四个方面对基于结构先验的人脸图像超分辨率技术进行概述。最后分析基于结构先验的人脸图像超分辨率技术存在的问题与挑战。

基于多尺度和多方向特征的人脸超分辨率算法

提出一个基于学习的人脸图像超分辨率算法 该算法采用可操纵金字塔学习人脸图像中的低层次局部特征的空间分布 ,并结合塔状的父结构和局部最优匹配算法来预测最佳先验模型 ;然后将先验模型结合到贝叶斯最大后验概率框架中 ;最后使用最速下降法求出最优的高分辨率人脸图像 实验结果表明 。