[发明专利]基于双流形对齐的人脸超分图像处理方法

摘要

本发明提供了一种基于双流形对齐的人脸超分图像处理方法，将训练集中的高分辨率图像和低分辨率图像这两个异构的流形在全局脸和残差脸空间进行双流形对齐后再进行超分算法。本发明的优点是能够将高分辨率图像和低分辨率图像这两个异构的流形运用普洛克路斯忒斯Procrustes分析对齐，通过学习算法，提高图像超分辨率效果。

主权项

1、一种基于双流形对齐的人脸超分图像处理方法，其特征在于：该方法包括以下的步骤：①对两个训练集HR和LR进行主成分分析PCA，使之降到相同的维数：设原HR数据为x₁^h，x₂^h，...，x_N^h，通过主成分分析PCA降维后，得到HR数据的均值x^h，以及由一组正交向量组成的变换矩阵P^h，数据点的PCA系数为yih=Pxih]]>(i＝1，2，…，N)；同理，对于LR数据x₁^l，x₂^l，...，x_N^l，通过主成分分析PCA，同样可以得到x^l，P^l，以及y_i^l(i＝1，2，…N)；②对第①步得到的两个数据点PCA系数矩阵Yh=[y1h,y2h,...,yNh]T]]>和Yl=[y1l,y2l,...,y3l]T]]>做普洛克路斯忒斯Procrustes对齐，即对矩阵A＝Y^lTY^h做奇异值分解，得A＝USV^T，然后计算Q＝UV^T以及k＝trace(S)/trace(Y^lTY^l)；再对Y^l做变换，得到③对于在LR空间的某个测试样本t_i，首先对它按照进行主成分分析PCA降维，得到t_i′＝(t_i-x^l)·P^l，再进行普洛克路斯忒斯Procrustes对齐，得到然后在中找到的m个近邻算出权重系数w₁，w₂，...，w_m，然后找到LR空间的这些近邻点对应的HR空间的数据点y₁^h，y₂^h，...，y_m^h，计算Oi=Σj=1mwjyjh;]]>最后通过第一步计算出的变换矩阵以及数据点均值，得到最后的高分辨率人脸输出：O_i′＝P^h′·O+x^h；以上三个步骤得到全局脸O_i′；④对LR训练集的每一个样本，按照前三个步骤做，得到输入的全局HR脸o₁，o₂，...，o_N，然后用HR训练集的样本减去全局HR脸，得到残差HR训练集r₁^h，r₂^h，...，r_N^h，然后对残差HR训练集进行降采样，得到残差LR训练集r₁^l，r₂^l，...，r_N^l；⑤对于LR空间的某个测试样本t_i，将其减去第三步算出的LR全局脸O_i^l，得到残差脸tir=ti-Oil;]]>⑥对t_i^r按照前三个步骤进行计算和变换，得到残差HR训练集和残差LR训练集，得到残差脸O_i^r；⑦得到最终的SR图像Ci=Oi′+Oir.]]>