[发明专利]融合全局特征与局部信息的人脸图像超分辨率处理方法无效

专利信息
申请号: 200910056694.X 申请日: 2009-08-20
公开(公告)号: CN101635048A 公开(公告)日: 2010-01-27
发明(设计)人: 刘欢喜;吕晓威;李雄;刘允才 申请(专利权)人: 上海交通大学
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 上海交达专利事务所 代理人: 毛翠莹
地址: 200240*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种融合全局特征与局部信息的人脸图像超分辨率处理方法,具体涉及一种利用图像金字塔,对低分辨率人脸图像金像处理得到高分辨率人脸图像的方法,包括:(1)建立高分辨率人脸图像的可操纵金字塔数据库;(2)求一幅低分辨率人脸图像的全局高分辨率图像;(3)建立高分辨率残差人脸图像数据库;(4)计算输入低分辨率人脸图像的全局高分辨率图像;(5)计算输入低分辨率人脸图像的高分辨率残差人脸图像;(6)计算输入低分辨率人脸图像的最终高分辨率图像。本发明具有易于实现、鲁棒性强、精确度高等优点,可以为人脸识别提供一种实时可靠的特征信息。
搜索关键词: 融合 全局 特征 局部 信息 图像 分辨率 处理 方法
【主权项】:
1、一种融合全局特征与局部信息的人脸图像超分辨率处理方法,其特征在于包括以下步骤:1)对人脸图像数据库中每一幅高分辨率人脸图像IH,根据以下公式计算其五层三阶可操纵金字塔SP(IH):SPl(IH)=Gl(H0(IH)),Bl,0(IH),Bl,1(IH),Bl,2(IH),Bl,3(IH)0l<4Ll(IH)l=4.]]>上式中,Gl(H0(IH))表示可操纵金字塔第l层的高通子带图像,Bl,0(IH),Bl,1(IH),Bl,2(IH)和Bl,3(IH)表示第l层的四个带通子带图像,Ll(IH)表示第l层的低通子带图像;获得高分辨率人脸图像可操纵金字塔数据库;2)对人脸图像数据库中低分辨率人脸图像IL,根据以下公式计算其三层三阶可操纵金字塔SP(IL):SPl(IL)=Gl(H0(IL)),Bl,0(IL),Bl,1(IL),Bl,2(IL),Bl,3(IL)2l<4Ll(IL)l=4.]]>上式中,Gl(H0(IL))表示可操纵金字塔第l层的高通子带图像,Bl,0(IL),Bl,1(IL),Bl,2(IL)和Bl,3(IL)表示第l层的四个带通子带图像,Ll(IL)表示第l层的低通子带图像;获得低分辨率人脸图像可操纵金字塔数据库;3)将低分辨率人脸图像可操纵金字塔数据库中的每一个子带图像和高分辨率人脸图像可操纵金字塔数据库中的每一个子带图像,分别分割成相互重叠的正方形图像块;根据得到的图像块,求低分辨率人脸图像在高分辨率人脸图像可操纵金字塔数据库中的K邻域解,得到低分辨率人脸图像的五层三阶可操纵金字塔;通过“倒坍”低分辨率人脸图像的五层三阶可操纵金字塔,得到低分辨率人脸图像的全局高分辨率图像4)将每一幅低分辨率人脸图像所对应的高分辨率图像IH减去得到高分辨率残差人脸图像由所有得到的高分辨率残差人脸图像组成一个高分辨率残差人脸图像数据库;5)将待处理的一幅低分辨率输入图像Im,按步骤3)的方法进行处理,得到输入图像的全局高分辨率图像6)将输入图像的全局高分辨率人脸图像分割成相互重叠的正方形图像块,按以下公式计算得到残差人脸图像块RIm(i,j)=[γ1,...,γK]w]]>式中,w为K邻域解的权值向量,γ1,…,γK为K邻域解对应的K个高分辨率人脸图像块;当所有的残差人脸图像块都求解完毕后,取残差人脸图像块中重叠部分像素的平均值,得到高分辨率残差人脸图像7)将步骤5)得到的输入图像的全局高分辨率图像与步骤6)得到的高分辨率残差人脸图像进行叠加,得到低分辨率输入图像的最终高分辨率图像。
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上海交通大学,未经上海交通大学许可,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/patent/200910056694.X/,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