[发明专利]一种基于CCA空间的人脸图像多层重构方法

说明书

本发明公开了一种基于CCA空间的人脸图像多层重构方法，其采用大尺寸对训练的低、高分辨率人脸图像及测试的低分辨率人脸图像分块，获得低分辨率字典和高分辨率字典；然后对两类字典进行一次CCA映射，并对两类一次映射的字典进行稀疏更新；接着对两类更新后的字典进行反映射，并对两类反映射字典进行再次CCA映射；之后通过计算两类再次映射的字典各自中的每列向量分别与测试的低分辨率图像中对应图像块的列向量的欧氏距离对字典排序，并通过基于平滑的超分辨率重构方法获得经一层重构的高分辨率人脸图像；再选择小尺寸进行分块，重复上述过程，并引入一层重构的高分辨率图像的约束，获得经二层重构的高分辨率人脸图像；优点是重构效果好。

技术领域

本发明涉及一种人脸图像重构技术，尤其是涉及一种基于CCA(CanonicalCorrelation Analysis，典型相关分析)空间的人脸图像多层重构方法。

背景技术

视频监控中最重要的人脸识别问题是一项困难且复杂的问题。对于监控视频中的人脸图像，往往因为光线不足、人脸距离监控设备过远等原因而变得边缘结构信息不清晰、细节模糊。为了解决人脸图像的边缘结构信息不清晰、细节模糊的问题，就有必要利用先验信息，提升人脸图像的分辨率，即利用观测到的低分辨率(low-resolution，LR)的人脸图像，重构出高分辨率(high-resolution，HR)的人脸图像，这是一个人脸图像的超分辨率(super-resolution，SR)重构问题，重构出的高分辨率的人脸图像为人脸的识别和分析提供了更多的细节信息。

人脸图像的超分辨率重构技术在计算机视觉领域一直广受关注，如何更好地对人脸图像进行重构，国内外相关机构进行了深入地研究。如：Jiang等人在J.Jiang,R.Hu,Z.Wang,and Z.Han，“Noise robust face hallucinationvia locality-constrainedrepresentation”，IEEE Trans.Multimedia,vol.16，no.5，pp.1268–1281，Aug.2014(江俊君，胡瑞民，王中元，韩真，基于局部约束的噪声鲁棒人脸重构[J]，IEEE，多媒体，2014，1268–1281)中提出了一种基于块的局部约束模型(LCR)，利用该局部约束模型得到的重构结果表明噪声对于超分辨重构过程的影响能够被减少。在此基础上，Jiang J,Ma J,ChenC,et al.Noise Robust Face Image Super-Resolution Through Smooth SparseRepresentation[J].IEEE Transactions on Cybernetics,2017,PP(99):1-12.(江俊君，马嘉一，陈晨，姜新伟，王政，基于平滑稀疏表示的噪声鲁棒的人脸重构[J]，IEEE，控制论，2017，1-12)中提出了一种基于平滑的超分辨率重构方法(SSR)，该方法取得了一定的平滑与去噪效果。

Jiang等人提出的重构技术都是基于高分辨率字典和低分辨率字典与高度相关并且有相似的结构分布这一假设，正是基于这样的假设，人脸图像的重构工作才能进行。然而，一方面，尽管人脸图像之间在结构和内容上存在一定的相似性，但是直接基于人脸图像空间构建的高分辨率字典和低分辨率字典无法满足高度相关的条件，导致重构效果不理想；另一方面，上述重构技术都是采用单层重构方式，即基于固定分块的尺寸大小来进行重构的，在基于分块的重构技术中，观测到的低分辨率人脸图像的分块大小是非常重要的，如果分块的尺寸较小，那么分块会比较多，重构出的高分辨率人脸图像的细节信息会比较丰富，但是不容易把握重构出的高分辨率人脸图像的结构信息；如果分块的尺寸较大，那么分块会比较少，重构出的高分辨率人脸图像的结构信息比较容易把握，但是重构出的高分辨率人脸图像的细节信息不丰富。因此，针对存在边缘结构信息不清晰、细节模糊问题的低分辨率人脸图像，有必要研究一种新的人脸图像重构方法。

发明内容

本发明所要解决的技术问题是提供一种基于CCA空间的人脸图像多层重构方法，利用其重构得到的高分辨率人脸图像的边缘结构信息清晰、细节清楚，重构效果好。