[发明专利]一种基于最近特征线流形学习的人脸图像超分辨率方法

摘要

一种基于最近特征线流形学习的人脸图像超分辨率方法，把人脸图像块样本空间中的样本点两两相连形成特征线，将已有样本点扩充为特征线上的无数多个样本点，从而增强人脸图像块样本空间的表达能力；在扩充之后的样本空间中，利用最近特征线准则来定义样本空间中样本点之间的近邻关系，通过保持高低分辨率图像块样本空间的这种邻域关系，从而正确揭示高低分辨率人脸图像块流形之间的局部相似结构特征；通过保持这种局部相似结构特征，重构输入的低分辨率人脸图像块对应的高分辨率块，融合所有高分辨率块得到高分辨率人脸图像。此外，本发明根据输入的低分辨率图像块，对原始样本空间进行预筛选，再利用上述方法对其分析，大大降低本方法的运算复杂度。

主权项

1.一种基于最近特征线流形学习的人脸图像超分辨率方法，其特征在于，包括如下步骤：步骤1，输入低分辨率人脸图像，对输入的低分辨率人脸图像、低分辨率训练集中的低分辨率人脸样本图像以及高分辨率训练集中的高分辨率人脸样本图像划分相互重叠的图像块；步骤2，对于输入的低分辨率人脸图像中每个图像块，取低分辨率训练集中每个低分辨率人脸样本图像相应位置的图像块作为样本点，建立低分辨率人脸样本块空间，计算在低分辨率人脸样本块空间上的个最近的投影点；步骤3，对于输入的低分辨率人脸图像中每个图像块，使用步骤2所得低分辨率人脸样本块空间上的个最近的投影点进行线性重构，得到线性重构的权重系数；步骤4，对于输入的低分辨率人脸图像中每个图像块，取高分辨率训练集中每个高分辨率人脸样本图像相应位置的图像块作为样本点，建立高分辨率人脸样本块空间，计算在高分辨率人脸样本块空间上与步骤2所得低分辨率人脸样本块空间上的个最近的投影点分别对应的个样本点；步骤5，将步骤2所得低分辨率人脸样本块空间上的个最近的投影点，替换为步骤4所得高分辨率人脸样本块空间上的个样本点，使用步骤3所得权重系数，加权重构出高分辨率的图像块；步骤6，将所有加权重构出的高分辨率的图像块按照位置叠加，然后除以每个像素位置交叠的次数，重构出高分辨率人脸图像。