一种基于近邻稀疏编码均值约束人脸超分辨率算法

(19)(19)民局

(10)公告号 (21)申请号 (22(73)专利权人大地址430072省市武昌区珞珈山武(72)发明人韩镇洋

员人G06K9/00(2006.01)G06K9/62权利要求书3页说明书8页附图2基于K近邻稀疏编码均值约束的人脸超分辨(57)B本发明公开了一种基于K近邻稀疏编码均值辨率处理技术领域，尤其涉及一种基于K近邻稀对K近邻进行稀疏表示，得到稀疏编码均值；基于稀疏先验和K近邻稀疏编码均值约束实现低分辨率图像块的稀B

权利 求 1/3练样本图像；得待处理图像块的K近邻稀疏编码均值；稀疏表示,获得待处理图像块的稀疏编码系数；待处理图像块进行高分辨率图像块重建；在于：在于：本图像包分辨率人脸训练样本图像和低分辨率人脸训练样本图像；像对齐；权利要求3K在于：权利要求1K在于：块所对应的列矢量组成高分辨率人脸训练样本图像块矢量集；

权利 求 2/3人脸训练样本图像块在相同像素点上的位置信息；权利要求1或2K特征在于：其中，αp,kkωp,k是待处理图像块的近邻kpKkNp；，；，；其中表示待处理图像在p位置的图像块表示待处理图像块的近邻块kh其特征在于：，；，；其 表示待处理图像 表示待处理图像块对应位置的低分辨率稀疏表子字典 为待处理图像块的K近邻稀疏编码均值λ是用于平衡稀疏约束l求解式得到待处理图像块的稀权利要求7K在于：将所述 变换为

权利 求 3/3利用L1范数约束最小二乘法对上式求解得到待处理图像块的稀疏编码系数其中表示待处理图像块对应位置的低分辨率训练样本图像块；；表示待处理图像块对应位置的低分辨率稀疏表示子字典为待处理图像块的K近邻稀疏编码均值λ是用于平衡稀疏约束真项的正则化参其取值根据待处理图像λ取值越大；βK近邻稀疏编码均值的约束参数，；在于：在于：K近邻稀疏编码均值约束的人脸超分辨率处理方[0001]K[0002]在条件获取的人脸图像往往具有较低的分辨率和较差的图像质量，以致于难以满足人脸辨识的需要。人脸超分辨率技术，也叫做幻觉脸技术（Facen[0003][0004]图且计算量大的弊端。[0005] 最近邻方法被用于减少基于局部非参数模型的人脸超分辨率方法的计算复杂度。最近邻方法在计算的过程中需要根据经验值来指定近邻块的个数易导致合成高分辨率图像块的信息过拟合或者不充分。Yan[1]首次将压缩感知的思想应用到超分辨率领域在自然图像超分辨率重建过程中通过自动选取合成块的个数取得了较好的超分辨率效果。在Yang的基础上Chan[2]利用疏表示的方法合成人脸素描图像M[3]提出了基于块位置的人脸超分辨率方法在已有研究的基础上Jung[4]提出了利用凸优化替代Ma方法中的最小二乘估计的基于位置块稀疏表示的人脸超分辨率方法取得了比Ma方法更好的效果。[0006] 尽管现有的人脸超分辨率方法在理想超分辨率情况即对只有下采样的降质图像进行超分辨取得了较好的效果但是当低分辨率图像中同时具有噪声时已有的人脸超分辨率方法重建的人脸图像的清晰度和相似度则会大大降低。 [1]J.C.Yang,J.Wright,T.S.Huang,Y.Ma.ImageSuper-ResolutionViaSparseRepresentation.IEEETIP19(11),pp.2861-2873,2010. [2]L.Chang,M.Zhou,FaceSketchSynthesisviaSparseRepresentation,In [3]Ma,J.Zhang,andC.Qi,Hallucinatingfacebyposition-patch,PatternRe[0011][4]X.C.Jung,L.Jiao,andetc.Position-PatchBasedFaceHallucinationUsingConvexOptimization.IEEESignalProcessing 基于K近邻稀疏编码均值约束的人脸超分辨率处理方法包括以下步骤： 辨率人脸训练样本图像那么所得的人脸训练样本图像块包分辨率人脸训练样本图像块和低分辨率人脸训练样本图像块； 置先验信息为待处理人脸图像块和各人脸训练样本图像块在相同像素点上的位置信息； 获得到待处理图像块的K近邻稀疏编码均值； 像块的稀疏表示,获得待处理图像块的稀疏编码系数； 典对待处理图像块进行高分辨率图像块重建； 练样本图像包分辨率人脸训练样本图像和低分辨率人脸训练样本图像； 样本图像对齐具体可采用仿射变换将待处理人脸图像各人脸训练样本图像对齐； 块所对应的列矢量组成高分辨率人脸训练样本图像块矢量集；[0029]步骤三中所述的待处理图像块的K近邻稀疏编码均值由待处理图像块近邻块k的稀疏编码系数αp，k平均得到，具体为： ω近邻块k的稀疏编码系数权重p表示待处理图像块的K个近邻块的集合，k∈Np。 其中

k

率稀疏表示子字典λ是用于平衡稀疏约束真项的正则化参数，其值根据待处理图像（2表示待处理图像块的近邻块hh>0hC[0039]步骤四中所述待处理图像块的稀疏编码系数采用以下公式计算获得 其中

表示待处理图像块对应位置的低分辨率稀疏示子字典 表示待处理图像块的K近邻稀疏编码均值λ是用于平衡稀疏约束β编码均值约束项在目标函数求解过程中发挥作用的大小，β0lp表示介于第一范数和第二范数之间的范数范数，1lp2。 其中 采用L1范数约束最小二乘法求解（5）得到待处理图像块的稀疏编码系数 重建过程采用如下公式： 其中，表示待处理图像块重建后得到的高分辨率图像块；[0049]将待处理人脸图像所分成的待处理图像块均进行高分辨率图像块重建后，将所有[0050]本发明方法利用人脸图像块的位置先验信息，提高人脸图像超分辨率重建的相似K似性（SSIM表明本发明方法重建的高分辨率图像更真；[0053]2）本发明在效果上明显提高了重建人脸图像的清晰度和相似度[0054]1图（a）（d）为采用Jung（a）低分辨率人脸图像所对应的原始高分辨率人脸图像；[0057][0058]K见图1辨率人脸训练样本图像块；位置的高分辨率稀疏表示子字典和低分辨率稀疏表示子字典分别为该位置的高分辨率人脸训练样本图像块和低分辨率人脸训练样本图像块的矢量集；像块的稀疏表示；典对待处理图像块进行高分辨率图像块重建；[0065]本发明方法可应用于安防和计算机视觉等领域。例如，在下获取的 本实施例以7作为仿真实验平台，以中国享人脸图像数据库 1个点。]低分辨率人脸图像。降质过程如下式所示：[0073] [0074]XyXB为镜头光8×8D4[0076]这里人脸训练样本图像包分辨率人脸训练样本图像和低分辨率人脸训练样 其中，SHSL分别表示高低分辨率人脸训练样本图像集 分别表示高低辨率人脸训练样本图像集中第q副图Q表示高、低分辨率人脸训练样本图像集中人脸图像的数量均为Q，本实施例中Q=1000R表示空间（Hilbert空间MN分别表示 b×b [0084]其中 分别为高低分辨率人脸训练样本图像集中第q幅图像中p位置 脸训练样本图像块可表示为B2×1维的列矢量，低分辨率人脸训练样本图像块可表示为b2×1维的列矢量。[0086]1-3样本图像块的矢量集作为低分辨率稀疏表示子字典 其

表示p低分辨率稀疏表示子字典P表示每幅图像划分的图像块的数量。根据人脸训练样本图像集作为高分辨率稀疏表示子字典即其中表，p位置的高分辨率稀疏表P图像块的K近邻稀疏编码均值。[0088]待处理图像块的K近邻稀疏编码均值由待处理图像块近邻块k的稀疏编码系数αp，k平均得到，具体为： [0090其中，αp，kpkωp,k是待处理图像块NkNp。近邻块是指低分辨率冗余字典中与待处理图像块欧氏距离最小的K个图像块，K根据经验取值。本具体实施中K=5。][0093]表示待处理图像块p的近邻块k

表示待处理图像块p对应的p低分辨率稀疏表示子字典λ是用于平衡稀疏约束真项的正则化参数，取值根据噪声大小变化而不同，噪声越大，λ取值越大，在 噪声方差的1/10。 （7 表示待处理图像在p

块p的近邻块k；h为常数h>其值取决于期望的稀疏编码系数权重的分布期望的稀疏编码系数权重的分布幅度大则h取值大本实施例中h=10C为归一化。用于 其中p

块对应的p位置的低分辨率稀疏表示子字典 为待处理图像块p的K近邻稀疏编l