[发明专利]一种基于DCT域本征变换的人脸图像超分辨率重建方法

摘要

一种基于DCT域本征变换的人脸图像超分辨率重建方法涉及图像处理领域。利用了DCT变换的能量集中特性，低频部分采用DCT域插值放大方法，高频部分利用基于PCA的方法，预测高频信息。针对输入的LR图像在DCT域操作，处理结束后采用DCT域基于双边滤波的方法，自适应去除块效应。我们对压缩图像部分解压就可得到图像的分块DCT系数，将DCT系数直接应用到提出的算法中，减少了图像处理算法的运行时间。对于压缩图像，DCT系数的粗糙量化导致图像压缩失真，在DCT域进行超分辨率复原，是从失真产生的根源出发进行算法处理，有助于更好地解决压缩失真问题。与传统的算法相比，本发明将来能够直接应用到压缩图像中，所重建的图像具有更高的主客观质量。

主权项

1.一种基于DCT域本征变换的人脸图像超分辨率重建方法,分为离线部分和在线部分；其特征在于，所述离线部分分为以下几个步骤：(1)将HR人脸图像样本库中的图像，经过下采样得到LR人脸图像样本库，通过DCT域高频系数补零的方式进行插值放大获得LR图像的初始放大图像库LR_Prim；(2)对得到的LR_Prim图像库和HR人脸图像样本库，进行分块DCT变换，并将每幅图像的DCT系数矩阵，归一化，列向量化，从而得到了人脸图像DCT域训练集，LR_Prim图像库对应的训练样本矩阵L1和HR图像库对应的HR人脸图像样本矩阵L0；(3)对LR_Prim图像库对应的训练样本矩阵L¹，HR人脸图像样本矩阵L⁰进行主成分量分析，得到对应的特征向量矩阵和所述在线部分分为5个步骤：1)输入一幅LR图像，分块DCT变换，得到DCT系数矩阵；2)对得到的DCT系数矩阵，进行DCT域插值放大，归一化，列向量化，得到的结果记为x₁；将x₁去中心化的结果映射到样本矩阵L¹对应的特征向量矩阵得到权重系数w₁；3)将权重系数w₁与HR人脸图像样本矩阵L⁰对应的特征向量矩阵乘积，得到重建HR图像的DCT域的列向量矩阵，去中心化，归一化，并将该列向量矩阵转化成图像大小，获得每个子块的高频系数；4)将LR_Prim的低频部分作为重建目标图像的低频系数，3)中得到的每个子块的高频系数作为重建图像的高频系数；5)将重建图像进行基于DCT域的双边滤波处理，去除块效应，然后进行分块DCT逆变换，得到重建高分辨率图像。