[发明专利]用于人脸图像的超分辨率处理方法

说明书

本发明涉及用于人脸图像的超分辨率处理方法，包括：A.从摄像设备采集的图像中提取出人脸图像的原始图I^l；B.通过函数映射将低分辨率的原始图放大，得到高分辨率图I^h(t)其中t表示函数映射时的迭代次数，再通过高斯滤波对放大的原始图进行锐化，得到平滑清晰的初始超分辨图像I^hG；C.通过反向投影迭代将形成初始超分辨图像I^hG的过程中产生的误差去掉，得到目标超分辨率图像。本发明的用于人脸图像的超分辨率处理方法，能够有效的将低分辨率的人脸图像进行处理后，得到清晰的高分辨图像，极大程度提高了人脸的清晰度和识别度。

技术领域

本发明涉及图像处理的方法，具体的讲是用于人脸图像的超分辨率处理方法，特别适合但不仅限于用于公共安全方面的图像提取及处理的方法。

背景技术

移动边缘计算(Mobile Edge Computing，MEC)是基于5G演进的一种计算架构，是将移动接入网与互联网业务深度融合的一种技术。MEC可利用无线接入网络就近提供电信用户IT所需服务和云端计算功能，从而创造出一个具备高性能、低延迟与高带宽的电信级服务环境，加速网络中各项内容、服务及应用的快速下载，让消费者享有不间断的高质量网络体验。

将针MEC用于公共安全监测时，在很多情况下都需要对人脸图像进行识别。而人脸图像通常是从电子眼等设备拍摄的一些图像视频(如交通路口监控图像，酒店监控视频等)中提取出来的，因此这些人脸图像分辨率会比较低。由于人脸图像分辨率过低可能导致无法通过分析获得照片的细节特征，导致无法获得准确的人脸细节信息，为公共安全问题的处理带来了障碍。

发明内容

本发明提供了一种用于人脸图像的超分辨率处理方法，将低分辨率的人脸图像处理后得到清晰的高分辨图像，提高人脸的识别度。

本发明用于人脸图像的超分辨率处理方法，包括：

A.从摄像设备采集的图像中提取出人脸图像的原始图I^l；

B.通过函数映射将低分辨率的原始图放大，得到高分辨率图I^h(t)其中t表示函数映射时的迭代次数，再通过高斯滤波对放大的原始图进行锐化，得到平滑清晰的初始超分辨图像I^hG；高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，再用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

C.通过反向投影迭代将形成初始超分辨图像I^hG的过程中产生的误差去掉，得到目标超分辨率图像。所述的超分辨率指的是通过相应的方法得到的高于原有图像分辨率的图像。

进一步的，步骤C包括：将接收到的初始超分辨图像I^hG进行4倍的下采样，得到与原始图I^l相同大小的低分辨率图像I^ld(t)，将该低分辨率图像I^ld(t)与原始图I^l进行差值比较得到误差图E(t)，将该误差图E(t)进行与步骤B相同的放大处理得到超分辨率误差图E^h(t)，最后进行反向投影，将超分辨率误差图E^h(t)与步骤B得到的高分辨率图I^h(t)进行加法处理得到该次迭代的处理结果I^h(t+1)，按上述步骤进行多次迭代直到误差图E(t)在可被忽略范围内，则当前的I^h(t+1)为最终得到的目标超分辨率图像。