聚类字典下集中式稀疏表示的幻觉脸重建方法

在基于稀疏表示的幻觉脸重建过程中,由于冗余的过完备字典会降低稀疏编码的效率和精度,提出用紧的聚类子字典来表示人脸图像的不同结构对象。由高分辨率(high resolution,HR)/低分辨率(low resolution,LR)的人脸图像样本集进行K-均值聚类,为使紧的聚类子字典能够表达图像块的整体特征,对各聚类子集采用主成分分析(principal component analysis,PCA)方法构造字典。得到同构的HR/LR的聚类字典后,对于输入的LR人脸图像块,经自适应选择合适的子字典后,对稀疏编码添加正则化项,采用集中式稀疏编码,以使稀疏表示系数更逼近要重建的HR人脸图像块。由此稀疏表示系数与HR字典的线性组合得到HR人脸图像块,将此图像块与近似结果进行合成,从而得到最终的人脸图像。经仿真实验,并与其他的方法进行比较,实验结果验证了所提方法的有效性。

结合多方向特征与最优匹配的幻觉脸技术

研究了基于多分辨率塔式结构的幻觉脸算法。在Baker方法水平和垂直一、二阶灰度特征的基础上,增加了两个斜方向的一、二阶导数灰度特征,弥补了Baker方法建立的金字塔提取的高频信息不够丰富的缺点,提取了更全面的图像特征信息,使匹配更为准确。提出了一种自适应最优匹配方法,使匹配复原结果获得了更全面和准确的高频信息,消除了噪声干扰。对IMDB人脸库进行了实验对比,结果显示,新方法得到了33.5889dB的平均峰值信噪比,高于Baker方法和传统的插值算法,显示出了更好的视觉效果。

基于多分辨率塔式结构的幻觉脸技术的研究

提出的基于多分辨率塔式结构的幻觉脸算法,使用改进的图像金字塔建立标准人脸训练库作为学习模型,能在多尺度、多分辨率上训练出更有效的先验知识。然后在匹配复原过程中引入一种新思路,先结合塔状父结构搜索出拉普拉斯金字塔中最匹配的4个高频细节,再将这4个高频细节进行加权平均后的结果作为丢失的人脸图像的高频细节,最终复原出超分辨率人脸图像。实验结果表明,该算法对64×64大小的低分辨率人脸图像增强16倍,复原出的256×256大小的超分辨率人脸图像更加平滑,减小了一定的噪声干扰。

一种新颖的人脸图像超分辨率技术

研究了基于学习的人脸图像超分辨率技术。针对Baker方法建立的图像金字塔提取高频细节不够丰富的缺点,提出基于多分辨率幻觉脸算法,采用Kirsch算子提取了高频特征。该算子与Baker的一阶、二阶灰度算子结合,能够提取更多的图像信息,使得匹配更为准确。将流形学习中的LLE算法思想引入匹配复原过程,复原结果获取了更完备的高频信息。对IMDB人脸库进行了试验比较,结果表明,本文方法可取得30.92 dB的平均峰值信噪比,高于Baker方法和插值算法;而且本文预测得到的先验模型更为准确,使得最终复原的人脸图像具有更好的视觉效果。

基于偏最小二乘算法的人脸图像超分辨率技术

提出了基于偏最小二乘法回归的超分辨率复原算法.介绍了偏最小二乘法回归算法的原理,研究和分析了基于偏最小二乘法回归的超分辨率复原算法.将高低分辨率图像块的高频信息和中频信息作为其特征,并采用分块重叠的方法解决了复原时存在的方块效应.通过对亚洲人脸和欧美人脸的实验结果表明,提出的方法无论是对亚洲人脸还是欧美人脸都能取得较好的复原效果,并且在放大倍数较大的情况下,复原的效果仍然显著.

低质量监控图像鲁棒性人脸超分辨率算法

由于人对图像结构信息的理解对于像素值的噪声干扰具有极强的鲁棒功能,为了增强传统算法针对低质量监控图像的鲁棒性,提出一种基于人工形状语义模型的人脸超分辨率算法.该算法将形状描述成一系列面部特征点的组合,通过人工获取人脸图像形状语义信息,利用形状样本库构建超分辨率代价函数的正则约束项;将图像与形状的系数相关性用于统一重建误差项与形状正则项的变量,并将最速下降法用于优化求解.仿真和实际图像实验结果都表明,在主客观质量上,文中算法的性能都优于传统算法.

非负特征基约束的人脸超分辨率

主成分分析(PCA)是人脸超分辨率中常用的人脸图像表达方法,但是PCA方法的特征是整体的且难以语义解释.为了使表达的结果更好地用于合成超分辨率人脸图像,提出一种非负特征基约束的人脸超分辨率算法.该算法利用非负矩阵分解(NMF)获取样本人脸图像的非负特征基,结合最大后验概率的方法,对目标图像进行马尔可夫随机场正则约束,最速下降法优化得到高分辨率人脸图像的非负特征基系数.实验结果表明,在主客观质量上,非负特征基约束的人脸超分辨率算法的性能胜过基于PCA的算法.

采用后验信息构建稀疏原子库的超分辨率人脸重建

为了提高监控噪声环境下人脸图像的重建质量,提出基于后验信息的鲁棒性原子库构建方法及基于该原子库的超分辨率的方法,通过事后采集现场图像,训练只对输入图像的清晰内容稀疏而对噪声内容不稀疏的低维原子集和与之相对应的高维原子集,计算低维空间的稀疏系数并映射到高维空间以合成出重建人脸图像,从而提高基于稀疏表示的局部脸超分辨率对于监控噪声的鲁棒性.实验结果表明:对于实际拍摄的监控图像输入,提出的基于后验信息的原子库具有很好的鲁棒性能,重建结果比传统方法有更好的主观效果.

基于Contourlet变换的人脸图像超分辨率技术研究

采用Contourlet变换,对基于学习的人脸图像超分辨率技术进行了研究。为了表示人脸特征,首先建立了Contourlet金字塔,针对Contourlet变换特征存在的不足,采用Contourlet变换的方向滤波器(DFB)对高斯金字塔的一阶和二阶梯度特征进行方向滤波,提取滤波后的特征作为新增加的特征。然后针对人脸的特殊性,在匹配过程中采用对应点进行匹配的方法,既保持了匹配的准确性又加快了匹配速度。最后采用最小欧式距离进行最优匹配的选择,对该距离进行判断,针对不同的距离采用不同的复原方法。实验结果表明,本文算法复原出的超分辨率人脸图像具有更好的视觉效果,更逼真、更接近于原始高分辨率图像。

利用位置权重稀疏表示的人脸超分辨率算法

提出了基于位置权重稀疏表示的人脸超分辨率方法,利用目标分块与样本原子之间的位置关系,提高原子基选择的精确性,并减少了计算复杂度。仿真实验结果表明,在主客观质量方面,提出的基于位置权重的稀疏表示人脸超分辨率方法相比于传统的稀疏表示图像超分辨率方法均有显著提高。

基于SVR的人脸图像超分辨率复原算法

本文针对目前大多数基于学习的超分辨率算法由于"分类算法"造成的"量化"误差的问题,提出了基于SVR的人脸图像超分辨率算法.算法首先分别提取训练库中高低分辨率图像块的高频信息和中频信息(差分高斯特征,DoG)作为建立回归关系的特征,依据它们的关系(并考虑人脸的特殊性)使用SVR建立起回归模型.在复原时,将待复原的低分辨率图像的中频特征输入已经建立的SVR回归模型得到需要的高频信息.通过对亚洲人脸库(亚洲人为主)IMDB和Yale人脸库(欧美人为主)的实验结果表明,本文提出的方法对亚洲人脸和欧美人脸都能取得了较好的复原效果,复原的图像在主观的视觉效果和客观的峰值信噪比上都取得较好的结果.

基于改进的非下采样Contourlet变换的超分辨率复原算法

Contourlet变换应用于图像复原时容易引入伪吉布斯现象。非下采样Contourlet变换(NSCT)具有平移不变性,能够克服伪吉布斯现象,但是由于基于学习的超分辨率复原需要建立不同分辨率的关系,而NSCT变换的结果是每一层图像大小都一样,不能像拉普拉斯金字塔那样建立高低分辨率图像的对应关系及运算量较大。针对这些问题。提出了基于改进的非下采样Contourlet变换(INSCT)的超分辨率复原算法。为了表示人脸特征,算法首先建立了INSCT金字塔。然后针对人脸的特殊性,在匹配过程中,采用对应点进行匹配的方法。实验表明该算法具有较好的性能,复原出的超分辨率人脸图像无论在主观视觉效果上还是在客观评价指标上都取得较好的结果,复原的图像具有更好的视觉效果,更逼真,更接近于原始高分辨率图像。