[发明专利]用于超分辨率处理的方法和设备

权利要求书

1.一种用于超分辨率处理的方法，包括：

基于第一图像和训练过的模型估计稠密对应域，其中，所述稠密对应域表示从平均面部图像到所述第一图像的扭曲映射，并且所述训练过的模型存储用于估计所述稠密对应域的参数；

基于所述第一图像、所估计的稠密对应域和所述训练过的模型，通过双向网络执行超分辨率处理以获得第二图像，所述第二图像的分辨率高于所述第一图像的分辨率；以及

利用所述第二图像更新所述第一图像，

其中，反复进行所述估计、所述执行和所述更新的步骤直到所获得的第二图像具有期望的分辨率为止，或直到进行所述估计、所述执行和所述更新的步骤达到预定次数。

2.根据权利要求1所述的方法，其中，所述双向网络包括第一分支和第二分支，且所述执行的步骤包括：

基于所述第一图像，通过所述第一分支执行超分辨率处理以获得第一结果；

基于所述第一图像、所估计的稠密对应域和所述训练过的模型，通过所述第二分支执行超分辨率处理以获得第二结果；以及

合并所述第一结果和所述第二结果以获得所述第二图像。

3.根据权利要求1所述的方法，其中，所述训练过的模型存储稠密基数、关键特征点基准、用于估计所述稠密对应域的高斯-牛顿下降回归因子，以及用于超分辨率处理的双向网络系数，其中，所述稠密基数和所述关键特征点基准是预定义的，且所述高斯-牛顿下降回归因子和所述双向网络系数通过训练习得。

4.根据权利要求1所述的方法，其中，所估计的稠密对应域包括用于将平均面部图像中的像素z映射到所述第一图像中的像素x的变形系数p和扭曲函数W(z)，其中，x＝W(z)＝z+Bp，且B是预定义的稠密基数。

5.根据权利要求4所述的方法，其中，在重复执行所述估计、所述执行和所述更新的步骤时，反复更新所述变形系数p和所述扭曲函数W(z)。

6.根据权利要求4所述的方法，其中，对于第k次迭代，所述第一图像表示为I_k-1，且所述扭曲函数表示为W_k(z)，所述第二图像表示为I_k，并通过下式获得：

I_k＝↑I_k-1+g_k(↑I_k-1；W_k(z))

其中，↑I_k-1是图像I_k-1的上采样图像，且g_k是从所述训练过的模型获得的用于第k次迭代的双向网络系数。

7.根据权利要求4所述的方法，其中，对于第k次迭代，所述第一图像表示为I_k-1，表示为p_k的变形系数和表示为W_k(z)的扭曲函数通过下式获得：

p_k＝p_k-1+f_k(I_k-1；p_k-1)

W_k(z)＝z+B_kp_k

其中，p_k-1是在上一次迭代中获得的变形系数，f_k是从所述训练过的模型获得的高斯-牛顿下降回归因子，且B_k是从所述训练过的模型获得的用于第k次迭代的预定义稠密基数。