[发明专利]基于多集典型相关分析的人脸图像超分辨率重建识别方法有效

专利信息
申请号: 202010069717.7 申请日: 2020-01-21
公开(公告)号: CN111275624B 公开(公告)日: 2023-08-08
发明(设计)人: 袁运浩;李进;李云;强继朋 申请(专利权)人: 扬州大学
主分类号: G06T3/40 分类号: G06T3/40;G06V40/16;G06V10/77
代理公司: 南京苏科专利代理有限责任公司 32102 代理人: 董旭东;陈栋智
地址: 225000 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 典型 相关 分析 图像 分辨率 重建 识别 方法
【说明书】:

发明公开了基于多集典型相关分析的人脸图像超分辨率重建识别方法,包括以下步骤:1利用多集典型相关分析,可以同时为同源的各种低分辨率人脸视图学习多种特定分辨率的映射,将多视图人脸图像分成重叠的图像块,再利用多集典型相关分析提取图像块主成分的潜在相干特征;2利用邻域重建策略重建出全局人脸图像,再通过残差补偿对全局人脸图像补充细节;3最终输出的超分辨率重建结果为全局人脸图像加上残差人脸图像。本发明具有一定的理论基础,在不同数据库下测试结果表明本发明具有较强的鲁棒性,具有一定的市场实施的可行性,解决了目前绝大多数现有算法无法处理的多视图超分辨率问题,具有较大的创新性与实用性。

技术领域

本发明涉及超分辨率重建和识别领域,特别涉及基于多集典型相关分析的人脸图像超分辨率重建识别方法

背景技术

多元分析方法常被运用于超分辨率重建以进行特征提取,其中较为流行的是主成分分析(Principal Component Analysis,PCA)以及典型相关分析(CanonicalCorrelation Analysis,CCA)。特征提取步骤通常用来对数据降维并减少噪声。PCA通过保留合适的维度以提取人脸的有用信息并过滤噪声。Wang等人提出一个通过PCA得到图像线性组合系数来生成高分辨率人脸的框架。Huang等人提出一种利用CCA提取高低分辨率图像关系的超分辨率方法。多集典型相关分析(Multiset Canonical Correlation Analysis,MCCA)便是CCA由两组特征数据向多组特征数据集的自然推广,通过MCCA可以实现多组数据的特征融合,用于分析多个数据集合变量间的线下关系。

在现实世界应用中,低分辨率人脸图像不仅对人类视觉感知有所影响,也使得许多人脸分析任务变得棘手,如人脸识别、人脸对齐以及人脸美化等。为了解决这一问题,许多人脸超分辨率重建方法被提出,其旨在从输入的低分辨率图像中恢复出其高分辨率图像。作为图像超分辨率领域的分支,与其相比,人脸超分辨率任务利用面部结构以及纹理并生成更加逼真的高分辨率人脸图像。

基于学习的超分辨率方法近些年来取得了巨大的成功,其利用机器学习的技术学习高低分辨率特征空间之间的映射关系。基于高低分辨率特征空间中存在着等距流形的理论,一种典型的策略是将低分辨率空间中的编码系数应用到高分辨率空间,以此恢复相应的高分辨率人脸图像,另一种策略则是直接学习高低分辨率图像对之间的映射关系。

但是,在现实生活中,由于距离或者设备的限制,人们通常需要面对同一人脸具有多种不同分辨率视图的情况,对于多种不同的低分辨率视图,现有的大多数方法不能有效地处理这种问题,它们无法同时学习将多种低分辨率视图同时映射到高分辨率视图的映射关系。迄今为止,共同学习多种视图之间关系还没有得到广泛关注。

发明内容

本发明的目的是克服现有技术缺陷,提供基于多集典型相关分析的人脸图像超分辨率重建识别方法,利用多集典型相关分析,同时为同源的各种低分辨率人脸视图学习多种特定分辨率的映射,将多视图人脸图像分成重叠的图像块,再利用多集典型相关分析提取图像块主成分的潜在相干特征,利用邻域重建策略重建出全局人脸图像,再通过残差补偿对全局人脸图像补充细节,最终输出超分辨率重建图像。

本发明的目的是这样实现的:基于多集典型相关分析的人脸图像超分辨率重建识别方法,包括以下步骤:

步骤1在训练阶段利用训练集学习不同分辨率视图之间的相关关系,将不同分辨率对应的训练集中的每幅图像分成重叠的图像块,使用PCA对每块图像提取主成分特征,利用MCCA进行特征提取,计算MCCA投影矩阵,并将每个图像块的主成分特征投影到MCCA的一致相干子空间;

步骤2在测试阶段,将输入的低分辨率图像分成重叠的图像块,利用训练阶段得到的相应低分辨率视图的PCA投影矩阵得到每个图像块的主成分特征,使用相应低分辨率视图的MCCA投影矩阵将主成分特征投影到MCCA子空间,利用邻域重建策略重建出全局人脸图像,再通过残差补偿对全局人脸图像补充细节;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于扬州大学,未经扬州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010069717.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top