基于感兴趣区域和稀疏表示的人脸超分辨率重建-控制科学与工程专业论文.docxVIP

河北 河北工业大学硕士学位论文 基于 基于感兴趣区域和稀疏表示的超分辨率重建 万方数据 万方数据 万方数据 万方数据 摘 要 随着人们对图像质量要求的不断提高，图像处理技术已经成为时下热门的研究领 域之一。图像超分辨率重建(super-resolution)是指一种由一幅或多幅低分辨率图像经过 图像退化序列，重建出一幅或多幅高分辨率图像的过程。高分辨率图像是单位像素上 所代表的现实中景物面积较小，反映图像细节较多，能够提供较丰富的信息。通过信 号估计理论，不仅很好的解决了传感器阵列密度限制问题，同时对光学系统成像中的 退化问题也有较好的处理。目前，超分辨率重建技术已经被广泛应用于军事侦查、医 学成像、公共安全领域。 本文重要通过三部分内容提出并研究了基于感兴趣区域和稀疏表示的人脸超分 辨率重建： 首先，通过对人脸感兴趣区域特征提取的研究，分析了三种经典的人脸感兴趣区 域算法对低分辨率人脸图像特征提取的准确率，经过实验得出主动表观模型（AAM） 算法在分辨率为的低分辨率人脸图像的识别准确率要远优于其他算法。 然后，通过对基于稀疏表示的超分辨率重建的研究，阐述了稀疏表示的基础理论、 稀疏编码的算法优化、更新字典的算法设计；并且通过对联合超分辨率学习字典构建， 使用稀疏表示的方法对低分辨率图像进行了超分辨率重建，从而得到高分辨率图像。 同时比较了 Bicubic 插值法与本文算法的峰值信