[发明专利]一种基于注意力机制的人脸图像超分辨率方法

说明书

本发明公开基于注意力机制的人脸图像超分辨率方法，包括：将人脸图像数据集的图像数据预处理，得到训练数据集与测试数据集；训练包括生成网络与判别网络的模型，生成网络包括16个稠密残差块，每个稠密残差块与一个注意力模块并行连接，得到能对低分辨率人脸图像进行超分到高分辨人脸图像的人脸图像超分模型；使用训练好的人脸图像超分模型，对测试数据集中的低分辨率图像超分处理，测试训练好的人脸图像超分模型的超分性能。本发明能显著的提高生成的高分辨率图像的视觉质量。

技术领域

本发明涉及人脸图像超分技术领域，特别是涉及基于注意力机制的人脸图像超分辨率方法。

背景技术

人脸图像超分任务，指的是从给定的一张低分辨人脸图像中推理恢复出对应的高分辨人脸图像。人脸图像超分辨率是计算机视觉和图像处理中一个重要的任务，并且受到了AI公司和研究社区的广泛关注。在现实世界的很多场景下都能够看到广泛的应用，比如高铁安全检查、门禁系统和实验室打卡系统等等。

除了提高人脸图像的视觉质量外，人脸图像超分任务还为其他的计算机视觉和图像处理任务提供帮助，比如人脸识别、上妆和转脸等。所以人脸图像超分任务具有重要的研究意义。

但是这个问题仍然具有挑战性，因为这是个典型的病态问题，即给定一张低分辨率的人脸图像，可能存在多张对应的高分辨率人脸图像。

因此，现有人脸图像超分技术在还待进一步的提升。

发明内容

本发明的目的是针对现有技术中存在的技术缺陷，而提供一种基于注意力机制的人脸图像超分辨率方法，可以生成具有丰富纹理细节的人脸图像。

为实现本发明的目的所采用的技术方案是：

一种基于注意力机制的人脸图像超分辨率方法，包括步骤：

S1.将人脸图像数据集的图像数据预处理，得到训练数据集与测试数据集：

S2.使用训练数据集训练模型，得到能对低分辨率人脸图像进行超分到高分辨人脸图像的人脸图像超分模型；包括：

模型中生成网络包括16个稠密残差块，每个稠密残差块与一个注意力模块并行连接，每个稠密残差块里包含5个卷积层，卷积层以稠密连接和残差连接的方式结合；

利用低分辨率人脸图像和对应的目标高分辨率人脸图像作为模型的输入，结合注意力模块的输出，训练模型中的生成网络；

将目标高分辨率人脸图像和生成网络所生成的高分辨率人脸图像输入到判别网络中，由判别网络判断出输入图像的真假，模型迭代多次达到稳定后完成模型的训练；

S3.使用训练好的人脸图像超分模型，对测试数据集中的低分辨率图像超分处理，测试训练好的人脸图像超分模型的超分性能。

其中，注意力模块的处理步骤如下：

首先将从之前隐藏层中得到的图像特征图x映射到两个隐空间f、g中，然后计算注意力得分，其中f(x)＝W_fx，g(x)＝W_gx，W_f和W_g均为可学习的参数，

注意力得分计算如下：

其中s_ij＝f(x_i)^Tg(x_j)，β_j,i表示模型在生成第j个区域时对第i个位置的注意力程度，N表示特征图上的总区域数量，

注意力层的输出o＝(o₁,o₂,…,o_j,…,o_N)，其中，o_j可以表示为：