[发明专利]基于凸优化的人脸超分辨率方法

摘要

本发明公开了一种基于凸优化的人脸超分辨率方法，主要解决现有方法所获取的超分辨率人脸图像质量不高的问题。其实现步骤为：(1)将高、低分辨率人脸图像训练集和测试低分辨率人脸图像划分为图像块的形式；(2)对于每一个测试低分辨率人脸图像块，利用凸优化方法求解其在低分辨率人脸图像训练集对应位置上的图像块之间的重构系数；(3)利用低分辨率图像块的重构系数，重构超分辨率人脸图像块，最后合成整体的超分辨率人脸图像。本发明提高了超分辨率人脸图像的质量，降低了算法的复杂度，使其更具有通用性，可用于视频会议、公共安全和人脸识别。

主权项

1.一种基于凸优化的人脸超分辨率方法，包括如下步骤：(1)输入高分辨率人脸图像训练集{H^m}，m＝1，2，...，M，对高分辨率的人脸图像进行模糊和下采样，得到低分辨率的人脸图像训练集{L^m}，m＝1，2，...，M，然后将高、低分辨率的人脸图像训练集分别划分为相互重叠的图像块和m＝1，2，...，M，M表示高、低分辨率的人脸图像训练集中人脸图像的个数，N表示划分的图像块的个数，(i，j)表示在人脸图像中位于第i行j列的图像块的位置信息；(2)输入测试低分辨率人脸图像I，按照与低分辨率人脸图像训练集相同的划分块的方式，把测试低分辨率人脸图像I表示成相互重叠的图像块(3)对于步骤(2)中测试低分辨率人脸图像的每一个图像块I^k(i，j)，k＝1，2，...，N，通过如下凸优化函数求解出其对于低分辨率人脸图像训练集中对应相同位置的图像块的重构系数x^k：min||x^k||₁ subject to I^k(i，j)＝A^kx^k其中I^k(i，j)表示测试低分辨率人脸图像第k个图像块，(i，j)表示第k个图像块在人脸图像中的位置信息，A^k表示一个矩阵，其每一列由低分辨率人脸图像训练集中对应相同位置的图像块L^mk(i，j)组成，m＝1，2，...，M，k＝1，2，...，N；(4)利用步骤(3)中求出的重构系数x^k，与高分辨率人脸图像训练集中对应相同位置的图像块H^mk(i，j)，m＝1，2，...，M加权合成超分辨率人脸图像块S^k：k＝1，2，...，N；(5)将所有合成的超分辨率人脸图像块，按照其在人脸图像中的位置组成整体的人脸图像，得到超分辨率的人脸图像。