[发明专利]一种相似样本特征拟合的人脸图像清晰化方法

摘要

本发明提供了一种相似样本特征拟合的人脸图像清晰化方法。首先有一组与待清晰的人脸图像尺寸和姿势一致的清晰人脸图像，并将这组人脸图片降质处理得到对应的相同尺寸的非清晰人脸图片组；每个像素位置对应的非清晰、清晰样本图像块投影到一个共同特征空间中；待清晰化人脸图像每个像素位置图像块在特征空间中找到最相似的若干个非清晰样本块；在特征空间中，利用最小均方误差准则，得到上述若干个非清晰和清晰的样本之间的非线性回归模型；将上述回归模型应用到待清晰图像块中，拟合出对应的清晰化图像块；所有像素位置上清晰化图像块在对应人脸位置上拼接得到清晰人脸图像。

主权项

1.一种相似样本特征拟合的人脸图像清晰化方法，其特征在于，其步骤如下：

S1、将一组与待清晰人脸图像尺寸和姿势相同的清晰人脸图像通过降质得到一组对应的非清晰人脸图像，并把两组图像按照像素位置划分成对应的图像块，再将图像块按像素位置构建清晰和非清晰训练样本集；

S2、将每个像素位置的训练样本集中的图像块减去均值后，再进行特征提取；

S3、将待清晰人脸图像按照像素位置重叠取块得到待清晰人脸图像块，然后对每个图像块减去均值，再进行特征提取；

S4、在与待清晰人脸图像块像素位置对应的非清晰训练样本集中，找到与待清晰人脸图像块特征最相近的K个非清晰人脸图像块特征，并在清晰训练样本集中找到与之对应的K个清晰人脸图像块特征，将所找到的K个清晰和非清晰的人脸图像块特征构成训练样本对；

S5、利用训练样本对学习非清晰人脸图像块特征和清晰人脸图像块特征之间的非线性回归关系，利用学习到的回归关系求得待清晰人脸图像块特征对应的清晰人脸图像块特征；

S6、将求得的清晰人脸图像块特征经过反投影变换得到清晰人脸图像块；

S7、将逐个求得的清晰人脸图像块按照它在人脸图像上的位置拼接成最终的清晰人脸图像；

2.如权利要求1的方法，其特征在于，所述步骤S1，其具体为：

S11、从人脸样本库中选取一组与待清晰人脸图像尺寸和姿势一致的清晰人脸图像；对清晰人脸图像进行下采样，得到缩小的清晰人脸图像，然后采用双三次插值算法将缩小的清晰人脸图像放大至与原始清晰人脸图像相同的尺寸，通过对清晰人脸图像集中的每幅图像进行上述操作得到一组插值的非清晰人脸图像；

S12、采用大小固定的矩形窗口分别对清晰、非清晰人脸图像进行滑窗分块，并保证上下左右相邻位置块之间有重叠部分，且重叠的像素个数相同；

S13、分别将清晰和非清晰人脸图像中相同像素位置的图像块整合在一起，构成清晰和非清晰训练样本集；假设在位置p处的非清晰训练样本集定义为清晰训练样本集定义为其中J是样本集中图像块的维度，M是样本集中图像块的个数，x_p和y_p分别表示非清晰和清晰图像在位置p处的图像块。

3.如权利要求1的方法，其特征在于，所述步骤S2，其具体为：

S21、将S1中所述的每个像素位置的清晰和非清晰训练样本集中的图像块减去均值后进行特征提取，以位置p处为例，具体为：

根据投影矩阵U、V把S1所述的X、Y投影到特征空间中：

其中mean^X和mean^Y分别表示S1所述的X样本集和Y样本集中所有图像块的平均值，i＝1，2，...，M；投影后的样本集分别为和其中q小于等于样本集中图像块维度J，和分别表示x_p和y_p投影后的结果；

投影矩阵U、V的计算步骤如下：

分别将S1所述训练样本集X和Y中的图像块减去均值，再通过公式(3)计算它们之间的相关矩阵C：

C＝(Y‑mean^Y)^T(X‑mean^X)          (3)

通过公式(4)的方法分解相关矩阵C:

C＝UΛV^T           (4)

通过求解公式(5)即可得到U、

max_U，VV_i^T(X‑mean^X)^T(Y‑mean^Y)U_i   (5)

4.如权利要求1的方法，其特征在于，所述步骤S3，其具体为：

S31、采用与S1所述的大小相同的矩形窗口对待清晰人脸图像进行滑窗分块，并保证上

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。 免登录下载普通用户下载升级VIP会员，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南京邮电大学，未经南京邮电大学许可，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/201711322319.6/，转载请声明来源钻瓜专利网。