[发明专利]一种基于局部保持典型相关分析的幻觉脸方法

权利要求书

1.一种基于局部保持典型相关分析的幻觉脸方法，其特征在于，包括以下步骤：

步骤1全局人脸重构；

1-1采用主成分分析提取高分辨率和相应低分辨率人脸图像的主成分特征，得到高分辨率和低分辨率图像的两组特征；

1-2利用局部保持典型相关分析为高分辨率和低分辨率人脸特征学习一致相关子空间，并将其投影到潜在一致子空间；

1-3在局部保持典型相关分析子空间中采用邻域重构策略由低分辨率特征重建高分辨率特征，利用逆变换，将重建的高分辨率特征恢复成全局高分辨率人脸图像；

步骤2残差补偿；

2-1建立高分辨率和低分辨率人脸残差图像并将残差图像分块；

2-2采用局部保持典型相关分析对于同一位置的高分辨率和低分辨率图像块学习局部保持典型相关分析一致子空间，将其投影到局部保持典型相关分析空间；

2-3利用邻域重构的策略重构低分辨率残差图像块特征对应的高分辨率残差图像块特征,利用逆变换得到高分辨率残差图像块，通过平均重叠区域，组合所有高分辨率残差图像块形成高分辨率残差图像；

步骤3将重建的高分辨率残差图像补偿到重建的全局高分辨率人脸图像上，得到最终的超分辨率人脸图像。

2.根据权利要求1所述的一种基于局部保持典型相关分析的幻觉脸方法，其特征在于，所述步骤1-1具体包括以下步骤：

(1)设高分辨率人脸图像集和相应的低分辨率人脸图像集首先移除高分辨率人脸图像的均值脸υ_h和低分辨率人脸图像的均值脸υ_l，中心化原始人脸数据集和得到和

(2)采用主成分分析提取高分辨率和低分辨率人脸图像的主成分特征，即其中P_h和P_l分别表示主成分分析的投影矩阵。

3.根据权利要求1所述的一种基于局部保持典型相关分析的幻觉脸方法，其特征在于，所述步骤1-2具体步骤为包括：

(1)使用局部保持典型相关分析为高分辨率和低分辨率特征学习投影矩阵W_x和W_y；定义的局部近邻索引集为ne(i)，即：如果是的前k个近邻之一，则j∈ne(i)。在局部近邻的定义下，定义相似度矩阵和

其中(1)和(2)中||·||代表向量的2范数，exp(·)代表高斯函数，和利用局部保持典型相关分析为高分辨率和低分辨率人脸特征学习潜在的一致相关子空间，具体优化目标如下：

其中符号代表如下算子：对于矩阵和其中A_ij和B_ij分别代表矩阵A和B的第i行第j列元素；和是对角矩阵，它们的第i个对角元素分别等于和的第i行元素之和；

由于目标函数与w_x和w_y尺度无关，(3)中的最优化问题可以等价地形式化为：

使用拉格朗日乘子法，求解问题(4)可以转化为求解广义特征值问题，取前d个最大特征值对应的特征向量构成投影矩阵W_x＝{w_x1,w_x2,…,w_xd}和W_y＝{w_y1,w_y2,…,w_yd}；

(2)获得W_x和W_y，可以得到高分辨率和低分辨率人脸特征的低维相关特征：和将高分辨率和低分辨率人脸特征投影到一致相关子空间中，得到和