[发明专利]一种基于特征表示集的跨分辨率人脸识别方法

说明书

本发明公开了一种基于特征表示集的跨分辨率人脸识别方法，包括以下步骤：先获取高分辨率训练样本图像、低分辨率测试样本图像和高低分辨率训练字典图像各个像素位置的图像块；然后对低质量测试图像中的每个图像块，运用图像块的约束P范数正则回归方法获得其在低质量训练字典图像中对应位置上的图像块集合的线性表示，运用同样方法对高分辨率训练样本图像获得其在高分辨率字典对应位置上图像块集合的线性表示；再对低分辨率测试图像块特征表示集合和高分辨率训练图像特征表示集进行相似性度量；最后测试图像类别。本发明的优点是：能对分辨率不一致的人脸图像进行准确身份识别，有效解决了因人脸图像分辨率不一致难以识别的问题。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于特征表示集的跨分辨率人脸识别方法。

背景技术

人脸识别是计算机视觉领域中的一项热门的研究课题，它将计算机图像处理技术和统计学技术融入到一起，广泛的应用于各个领域，如：金融领域、公安系统、社保领域、机场边检人脸识别等。目前人脸识别方法可以分为两类：基于全局的人脸识别方法和基于局部的人脸识别方法。基于全局的人脸识别方法保留全局的人脸结构，但是忽视了除主成份以外的人脸特征细节；基于局部的人脸识别方法多采用基于图像块的人脸识别方法，它在稀疏条件的约束下，将要识别的人脸图像块和训练样本图像块视为训练图像块的线性组合，得到维数相同的表示系数矩阵，从而完成识别工作。然而，基于图像块的人脸识别方法有一个缺点：它们的每一个模块之间都是相互独立的，失去了模块与模块之间的关联信息，由于实际应用过程当中，大部分应用中获取的人脸图像质量较差，人脸图像分辨率不一，导致有时候很难完成身份识别，因而存在人脸图像分辨率不一致难以识别的问题。

发明内容

本发明的目的是提供一种能对分辨率不一致的人脸图像进行准确身份识别的基于特征表示集的跨分辨率人脸识别方法。

为实现上述目的，本发明采用了如下技术方案：一种基于特征表示集的跨分辨率人脸识别方法，包括以下步骤：

步骤一：获取高分辨率训练样本图像、低分辨率测试样本图像和高低分辨率训练字典图像中各个像素位置的图像块；

步骤二：对低分辨率测试样本图像中的每个图像块，运用运用基于P范数正则的回归表示方法获得其在低分辨率训练字典图像上对应位置的图像块集合的线性表示；同时对高分辨率训练样本图像中的每个图像块，运用运用基于P范数正则的回归表示方法获得其在高分辨率训练字典图像上对应位置的图像块集合的线性表示；

步骤三：对步骤二得的低分辨率测试样本图像特征表示集合和高分辨率训练样本图像特征表示集合进行相似性度量；

步骤四：根据步骤三得到的数据，对低分辨率测试样本图像完成分类，输出低分辨率测试样本图像的类别。

进一步地，前述的一种基于特征表示集的跨分辨率人脸识别方法，其中：在步骤二中，运用运用基于P范数正则的回归表示方法获得其在低分辨率训练字典图像上对应位置的图像块集合的线性表示的具体方法如下：

步骤(1)：对于一个低分辨率测试图像块，将其分为S块，对于一个低分辨率测试图像块y，运用低分辨率训练字典样本图像上对应位置的图像块进行线性表示：

y＝x₁A₁+x₂A₂+...+x_NA_N+E

其中，A_i表示第i个低分辨率训练字典图像对应位置的图像块，i＝{1,2,...,N}，N表示低分辨率训练样本字典样本图像的个数，x_i表示系数向量x第i个元素对应的系数，E表示残差项；表示向量系数x的求解方法如下所示：