利用位置权重稀疏表示的人脸超分辨率算法.pdf

《利用位置权重稀疏表示的人脸超分辨率算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷第1期武汉大学学报·信息科学版V01．38NO．12013年1月GeomaticsandInformationScienceofWuhanUniversityJan．20l3文章编号：167卜8860(2013)01—0027—04文献标志码：A利用位置权重稀疏表示的人脸超分辨率算法兰诚栋陈亮卢涛(1福州大学物理与信息工程学院，福州市大学城学园路2号，350108)(2武汉大学国家多媒体软件工程技术研究中心，武汉市珞喻路129号，430079)摘要：提出了基于位置权重稀疏表示的人脸超分辨率方法，利用目标分块与样本原子之间的位置关系，提高原子基选

2、择的精确性，并减少了计算复杂度。仿真实验结果表明，在主客观质量方面，提出的基于位置权重的稀疏表示人脸超分辨率方法相比于传统的稀疏表示图像超分辨率方法均有显著提高。关键词：人脸超分辨率；幻觉脸；稀疏表示；位置权重中图法分类号：P237．3为了提高人脸图像的分辨率和重建质量，众多学者提出了各种人脸超分辨率方法]，可以分1基于稀疏表示的超分辨率方法为以下两类l2]：①基于整体人脸模型的全局脸方法；②基于局部块人脸模型的局部脸方法。基于设目标高分辨率人脸图像为变量z，低分辨局部线性嵌入(LLE)的单帧图像超分辨率【。的率人脸图像定义为y。在已知低分辨率图像的条

3、件下，根据最大后验概率原则和Bayesian理方法认为，高低分辨率图块在不同的特征空间中论l1，可得：存在着局部的几何相似性，这种几何相似性即内在的流形。通过ILE流形算法，可以找到与低分～gmaxP(Z-argx77IyJ辨率图像相对应的高频信息。基于稀疏表示的超(1)分辨率方法_5。假设图像的分块能够被一个合适进而利用MAP公式推导并忽略与Z无关的项得原子库的元素稀疏地线性表示，并利用高分辨率到超分辨率的代价函数为：图像块的高频部分和低分辨率图像块的特征部分之===argminIiY—DBZ+(z)(2)建立关联，联合训练的高低分辨率分块的原子库，

4、许多先验正则项已经被提出来了，如总变差正对每一个低分辨率的输入分块搜索稀疏表示系则Ⅲ1或广义马尔科夫随机场正则，好的正则项数，使用该系数产生高分辨率块的输出。吴炜是约束解空间的关键。等对特征提取模板进行改进，更好地抑制噪声基于稀疏表示的超分辨率方法在图像Z的的影响，保留更多的特征信息。张雪松等利用小分块上提出了稀疏先验的方法。假设高分辨主成分分析计算训练人脸图像块的特征子空间，率图像z的分块z能够被表示为一个原子集D并将传统的“重建约束”与人脸图像块的“正交补的稀疏线性组合：特征子空间约束”统一在贝叶斯框架下，实现较强≈D^asubjectO／∈Rwi

5、thlIallo<

6、学学报·信息科学版2013年1月图像分块库获得。在传统稀疏表示超分辨率方法提出了利用分块位置作为判断相关性的准则，能中，通过使用相同的稀疏系数来表示高分辨率和够提高基选择的精确性，并且由于不需要搜索所低分辨率图像分块对，从而训练获得D和D。有的样本分块而减少了计算复杂度。在稀疏表示对于每一个输入的低分辨率分块Y，找到对于D时，可以只需要把当前块位置及其周围的相关内的稀疏表示。相应的高分辨率分块由D与对容原子分块作为匹配对象(图1显示了眼睛位置应系数线性组合产生。找到的最稀疏表示的及其周围相关的原子分块)，并且在匹配代价中增问题为：加位置权重因子。min

7、Ilal1UsubjectlFDzR—FyIl；≤￡(4)式中，F是一个(线性)特征抽取操作。F的主要作用是用于提供感知有意义的限制使得稀疏表示系数a对于输入Y更加精确。虽然式(4)中求解稀疏系数的优化问题是个较难解决的问题，但许多文献提出了有效的解决方法。其中MPlI是一个迭代的贪婪算法，每次迭代过程中，从原子库里选择最能匹配信号结构的一个原子而构建的一种逼近过程。算法在初始时，设R。一f，R。为残差，首先将信号分解为：R。一

8、sofEyePositionlfR。==={