基于稀疏表示的人脸超分辨率算法研究-计算机技术专业论文.docxVIP

万方数据 万方数据 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取 得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人 已经发表或撰写过的研究成果，也不包含为获得 天津理工大学 或其 他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究 所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 天津理工大学 有关保留、使用学位论文 的规定。特授权 天津理工大学 可以将学位论文的全部或部分内容编入 有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编，以 供查阅和借阅。同意学校向国家有关部门或机构送交论文的复本和电子文 件。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 摘要 超分辨率图像重建能够克服低分辨率图像传感器的限制，有效的提高图像的分辨率， 增加图像的细节，是计算机视觉的重要研究领域之一。人脸超分辨率问题是超分辨率领 域中的核心问题之一，已经引起了刑侦、安全等方面的关注。人脸超分辨率问题，尤其 是单幅图像的人脸超分辨率，一直是探讨的热点。近年来，基于稀疏表示的单帧图像超 分辨率算法在普通图像的超分辨率重建方面取得了很好的效果。但相对于普通图像来说， 人脸图像结构比较复杂，而且具有特定的先验信息，因此有必要研究针对单帧人脸图像 的稀疏表示超分辨率算法，来提高人脸超分辨率算法的效率。 根据基于稀疏表示的单帧图像超分辨率算法及人脸图像的特点，本文在稀疏表示的 框架下提出了 2 种有效的人脸超分辨率算法，具体研究成果如下： (1)针对人脸结构复杂，具有特定的先验信息特点，本文提出了一种基于多字典稀疏 表示的人脸图像超分辨率算法。首先，对人脸图像块进行分类，不同类别的人脸图像块 代表人脸不同的区域，具有不同的分布；其次，针对不同的人脸图像块类别，分别进行 稀疏表示字典学习，不同的类别具有不同的字典对及稀疏表示映射矩阵，能够更好的反 映高分辨率和低分辨率图像块之间的对应关系。同时，通过贝叶斯非参数学习的方法学 习图像块空间之间的映射关系，使一对图像块的稀疏表示具有相同的稀疏结构，增加稀 疏表示的一致性。实验结果表明，本算法具有更高的信噪比和结构相似度，有效的提高 了人脸图像的整体清晰度，同时，在很大程度上缩短了图像重建的时间。 (2)人脸图像中边缘信息丰富，超分辨率重建过程中，如何保持边缘细节是需要重视 的问题。在字典学习和重建超分辨率人脸图像的过程中，二者都需要先对低分辨率图像 进行上采样，才能进行后续处理。在许多基于稀疏表示的超分辨率算法中，上采样过程 采用二次插值或三次插值的方法，容易造成图像边缘模糊。本文将边缘定向非线性插值 算法引入低分辨率图像上采样过程，提高了上采样后图像的边缘细节保持能力，同时结 合多字典学习方法来提高超分辨率的效率和精度。实验结果表明，本算法具有更高的信 噪比和较小的误差，增加了图像的边缘细节信息。 关键词：超分辨率 聚类 上采样 稀疏表示 多字典 边缘保持 预处理 Abstract Super-resolution image reconstruction can overcome the limitation of low resolution im- age sensor and effectively improve the resolution of the images and increase the detail of the image. It is one of the important research field of computer vision. Face image super-resolut io n problem is one of the core issue in the field of super-resolution and has caught the attention of the police, security, etc.. Face image super-resolution problem, especially the face of single image super-resolution problem has always been the hot spot of the research. In recent years, the single frame image super-resolution algorithm based on sparse representat