基于學習的人臉圖像超分辨率重構算法的研究.pdf

1、人臉研究一直是計算機視覺、模式識別和計算機圖形學領域中的熱點研究問題之一。目前，通過監(jiān)視器得到的人臉圖像分辨率不高，以至于給人臉識別和跟蹤等后續(xù)應用帶來很大的困難。超分辨率圖像重構（Super Resolution，SR）技術是一種基于信號處理技術來獲得高分辨率圖像的方法。SR技術的基本思想是，以若干模糊、有噪、頻譜混疊的低分辨率（Low Resolution，LR）圖像為輸入，通過信號處理技術融合成一幅高分辨率（High Resolu

2、tion，HR）圖像。超分辨率圖像重構技術在人臉或對象識別、遙感圖像、視頻監(jiān)控、醫(yī)學圖像處理等領域都有著廣泛的應用。 本文主要研究單幅人臉圖像的超分辨率重構技術，目標是提出一種更有效、實時性更好的算法來獲得高分辨率圖像。首先，本文全面回顧和評述了超分辨率圖像重構技術的概念，基本方法和SR算法。在此基礎上重點研究基于學習的圖像SR算法。本文采用馬爾可夫網絡（MN）模型提出了一個新的框架描述重構機制。本文提出的算法采用對圖像塊搜索操

3、作進行位置限制和檢查圖像分塊間重疊區(qū)域水平兼容性的思想，降低了搜索的復雜度，提高了匹配相關性，加快了馬爾可夫網絡收斂，簡化了隱層節(jié)點的計算。最后采用樣本拼鑲技術直接輸出超分辨率圖像。實驗平臺由VC++編程實現，實驗中所用的人臉圖像訓練集采用24位灰度圖像。實驗結果證實本文提出的算法具有輸出質量好、效率更高等特點，有一定的的實用價值。 本文試圖發(fā)展性能更好、更智能化的學習算法為以人臉圖像為主的應用帶來新機遇，并推動超分辨率技術自身