基于最近特征線的特征轉(zhuǎn)換人臉超分辨率算法.pdf

1、伴隨著機(jī)器人技術(shù)的快速發(fā)展、機(jī)場車站等公共場所人臉識(shí)別技術(shù)和監(jiān)控設(shè)備的大量使用，大家對(duì)人臉圖像質(zhì)量的要求越來越高，期望能夠得到清晰的目標(biāo)人臉圖像。但是，由于種種原因，使得目標(biāo)人臉圖像分辨率較低、圖像尺寸較小，給人臉的識(shí)別造成了很大的困難。為解決上述問題，有學(xué)者提出人臉超分辨率技術(shù)，該技術(shù)是在不改變硬件設(shè)施的條件下，由單幀或多幀低分辨率人臉圖像采用一定算法重建得到目標(biāo)高分辨率人臉圖像的過程。
　　人臉超分辨率技術(shù)按照輸入方式不同可劃

2、分為，基于插值的、基于重建的和基于學(xué)習(xí)的人臉超分辨率方法。基于學(xué)習(xí)的超分辨率方法可以引入大量先驗(yàn)信息指導(dǎo)圖像的重建工作，可以得到較好的重建效果。然而，基于學(xué)習(xí)的超分辨率算法基本前提是假設(shè)高低分辨率樣本圖像具有相似的局部幾何結(jié)構(gòu)成立，想要實(shí)現(xiàn)這種假設(shè)，就必須滿足樣本數(shù)據(jù)稠密地采樣于潛在流形空間和樣本圖像不受噪聲干擾這兩個(gè)基本前提。
　　為解決這些問題，研究者提出基于最近特征線流形學(xué)習(xí)的人臉超分辨率和特征轉(zhuǎn)換超分辨率算法。然而，在這些

3、方法還存在一些問題：基于最近特征線流形學(xué)習(xí)的方法，針對(duì)噪聲圖像的重建效果并不理想，無法滿足噪聲魯棒性的要求，且在選擇投影點(diǎn)時(shí)有些不合理的地方，可能會(huì)引入原圖不存在的細(xì)節(jié)信息；特征轉(zhuǎn)換超分辨率算法是基于全局臉進(jìn)行重建的，使得得到的目標(biāo)圖像缺乏必要的高頻細(xì)節(jié)信息。
　　針對(duì)上述方法存在的問題，本文首先對(duì)基于最近特征線流形學(xué)習(xí)的人臉超分辨率算法中投影點(diǎn)的選擇進(jìn)行了約束：對(duì)于在特征線外推線上且距離構(gòu)成該特征線的兩個(gè)樣本點(diǎn)中，距離最近的樣本

4、點(diǎn)仍較遠(yuǎn)的投影點(diǎn)進(jìn)行了替換處理。該部分實(shí)驗(yàn)采用的是CAS-PEAL-RI人臉庫，相較于原算法，改進(jìn)算法的客觀指標(biāo)PSNR和SSIM分別提升了0.2640dB和0.0024。
　　為找出一種噪聲魯棒且又能夠提高樣本數(shù)據(jù)庫的表達(dá)能力的人臉超分辨率方法，滿足高低分辨率樣本圖像具有相似的局部幾何結(jié)構(gòu)假設(shè)的成立，我們將最近特征線的思想引入到基于特征轉(zhuǎn)換人臉超分辨率學(xué)習(xí)中。首先利用最近特征線技術(shù)將有限樣本數(shù)據(jù)擴(kuò)展為特征線上無數(shù)個(gè)樣本點(diǎn)，然后選