圖像及視頻序列中人臉超分辨率重建技術研究.pdf

1、　　隨著視頻和圖像處理技術的飛速發(fā)展,人們對高分辨率圖像、視頻和圖像序列的需求越來越強烈,超分辨率重建技術可以突破圖像采集設備的分辨率限制,在刑事偵查、人臉識別、醫(yī)學診斷等領域具有廣泛的應用前景,超分辨率重建技術是一種由一幅或多幅低分辨率圖像對相應的高分辨率圖像進行預測的技術,其研究方法主要分為基于重建的方法和基于學習的方法兩類。人臉圖像超分辨率是超分辨率技術在人臉圖像上的應用與拓展,主要包括人臉識別、人臉恢復、人臉表情分析、人臉視頻傳

2、輸?shù)阮I域。
　　本文分別針對單幀和多幀人臉超分辨率重建技術進行研究。針對單幀人臉低分辨率圖像,通過基于學習的方法獲取超分辨率重建圖像；針對多幀人臉低分辨率圖像,通過多幀圖像之間互有位移、互為補充的信息,進行圖像融合獲取超分辨率重建圖像。本文研究集成于貝葉斯MAP框架,主要工作和研究成果如下：
　　針對單幀人臉圖像的超分辨率重建,為了降低人臉幻臉算法中單像素學習引起的顆粒噪聲,提出了一種基于學習的金字塔超分辨率算法,利用金

3、字塔學習人臉圖像梯度的空間分布特性,建立標準人臉訓練庫作為學習模型,采用塔狀父結構從訓練庫搜索匹配特征信息相似度最高的小塊,預測出最優(yōu)的拉普拉斯金字塔先驗模型,然后利用貝葉斯 MAP 框架求出高分辨率人臉圖像,實驗結果證實,相比其它人臉超分辨率算法,在將人臉圖像分辨率提高 4×4 倍情況下,新算法生成的高分辨率人臉圖像的峰值信噪比提高了 1.19-2.4 DB,可以更好的消除噪聲,具有較好的視覺效果。
　　進一步地,為了降低重建

4、時間和噪聲,提出了一種新的基于稀疏表示的人臉幻臉算法來重建高分辨率人臉圖像,通過聯(lián)合訓練高低分辨率人臉圖像塊字典,高效的建立了高低分辨率塊之間高頻特征分量的稀疏表示關系,并定義這種關系為先驗知識,根據(jù)各自的訓練字典,通過貝葉斯 MAP 框架來重建人臉超分辨率圖像,這個學習字典對是一個緊湊的高低分辨率塊對表示,有效的減少了重建時間。實驗結果表明本文提出的這種方法可以重建出高清的人臉圖像,并且比目前人臉超分辨率重建技術耗時少,在峰值信噪比和

5、視覺效果上跟當前最流行的算法相比取得了較好的效果。
　　針對多幀人臉圖像序列超分辨率重建,連續(xù)各幀圖像間的精確匹配和幀的選擇具有非常重要的意義。為了降低幀間較大運動造成的重建誤差,提出了自適應幀選擇原則,設計了聯(lián)合光子流運動估計配準和超分辨率重建的方法。首先采用光子流運動估計算法計算各幀間的運動估計,設計一種自適應幀選擇方法丟棄一些幀間運動較大的幀,再通過亞像素圖像配準,計算得到相對精確的運動估計參數(shù),最后結合貝葉斯 MAP 框