基于學(xué)習(xí)的人臉圖像超分辨率重建方法研究.pdf

1、人臉圖像超分辨率重建是提高人臉圖像分辨率、增強(qiáng)視覺(jué)效果的關(guān)鍵技術(shù)之一，因而在計(jì)算機(jī)視覺(jué)、視頻監(jiān)控、公共安全等領(lǐng)域得到了廣泛的研究與關(guān)注。本文在深入研究人臉圖像超分辨率技術(shù)相關(guān)理論知識(shí)的基礎(chǔ)上，主要研究了基于稀疏表示的學(xué)習(xí)型超分辨率技術(shù)在單幀人臉圖像中的應(yīng)用。該技術(shù)主要包含字典訓(xùn)練與高分辨率人臉圖像重構(gòu)測(cè)試兩個(gè)階段，前者為后者提供一組反映高、低分辨率人臉圖像關(guān)系的字典對(duì)。在這兩個(gè)階段的研究中，本文共提出了三種方法。為降低圖像特征提取對(duì)訓(xùn)練

2、字典造成的誤差問(wèn)題，本文提出了兩種基于特征字典學(xué)習(xí)和稀疏表示的人臉圖像超分辨率方法；在重構(gòu)測(cè)試階段，為解決重構(gòu)圖像結(jié)構(gòu)誤差問(wèn)題，本文提出了一種基于全變分廣義加速臨近梯度（GAPG-TV）和稀疏表示的人臉圖像超分辨率方法。
　　在稀疏表示的超分辨率方法中，特征提取方式直接影響特征字典學(xué)習(xí)的質(zhì)量，對(duì)于人臉圖像重建的最終效果非常重要。為降低上采樣對(duì)提取特征帶來(lái)的誤差影響，通過(guò)充分利用鄰域點(diǎn)像素信息，本文提出了基于高斯拉普拉斯（GASS-

3、LAP）的特征提取方式；為增強(qiáng)待提取特征圖像與其他人臉樣本圖像信息的關(guān)聯(lián)，提出了一種基于稀疏自編碼（SAE）的特征提取方式。進(jìn)而，本文在 GASS-LAP特征字典以及SAE特征字典下提出了相應(yīng)的超分辨率重建方法。結(jié)合ORL人臉庫(kù)進(jìn)行的實(shí)驗(yàn)結(jié)果表明，相比傳統(tǒng)方法，針對(duì)字典訓(xùn)練所提的兩種方法均能更有效地提升人臉圖像的重構(gòu)質(zhì)量，并且GASS-LAP特征字典下圖像重構(gòu)效果最佳。
　　考慮到傳統(tǒng)方法由于受稀疏逼近誤差、字典完備性、圖像塊劃分

4、\合成等因素的影響，為重構(gòu)圖像估計(jì)獲取的細(xì)節(jié)信息可能與真實(shí)圖像信息之間有所偏離，導(dǎo)致重建圖像存在一定的全局結(jié)構(gòu)誤差。為彌補(bǔ)該缺陷，進(jìn)一步提高人臉圖像重構(gòu)效果，本文在GASS-LAP特征字典的基礎(chǔ)上，針對(duì)重構(gòu)階段，提出了從稀疏表示方法中估計(jì)獲取人臉圖像結(jié)構(gòu)的退化因子并結(jié)合 GAPG-TV對(duì)重構(gòu)圖像進(jìn)行全局修復(fù)的超分辨辨率方法。結(jié)合ORL人臉庫(kù)進(jìn)行的實(shí)驗(yàn)結(jié)果表明，基于GAPG-TV和稀疏表示的超分辨率方法在恢復(fù)人臉圖像結(jié)構(gòu)質(zhì)量上具有良好的優(yōu)