【摘要】：數(shù)字圖像的分辨率度量了圖像的清晰度,分辨率的高低是由圖像單位面積上像素的個(gè)數(shù)決定的,它是衡量圖像質(zhì)量高低的關(guān)鍵指標(biāo)。人臉超分辨率重建是一種對低分辨率人臉處理得到對應(yīng)高分辨率人臉的低成本的軟件技術(shù),又稱為人臉幻生�；谌四槇D像或視頻廣泛涉及于計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)等領(lǐng)域,人臉幻生技術(shù)一直是熱門關(guān)注、研究方向,它被廣泛應(yīng)用于多媒體通信、人臉識別、視頻監(jiān)控等。本文重點(diǎn)研究了基于學(xué)習(xí)的人臉幻生技術(shù),通過對基于相似性約束的人臉幻生算法和基于鄰域嵌入的人臉幻生算法的研究,提出改進(jìn)的基于相似性約束的迭代學(xué)習(xí)人臉幻生算法和改進(jìn)的基于位置的鄰域嵌入人臉幻生算法。主要研究成果及貢獻(xiàn)包括以下兩方面:1.傳統(tǒng)學(xué)習(xí)型圖像超分辨率重建方法存在著高空間復(fù)雜度的缺陷,由此提出改進(jìn)的基于相似性約束的迭代學(xué)習(xí)人臉幻生算法。首先讓每幅待重建人臉通過主成分分析在初始訓(xùn)練集人臉庫中篩選中與之相似度最高的若干個(gè)人臉對構(gòu)成新的訓(xùn)練集,用于后續(xù)的迭代學(xué)習(xí)重建;每次迭代僅有一個(gè)訓(xùn)練集高低分辨率人臉對參與訓(xùn)練,降低了空間復(fù)雜度;由于流形學(xué)習(xí)中存在著低維空間到高維空間的一對多映射的缺陷,提出在每次迭代中均采用相似性約束計(jì)算重建權(quán)重,以降低這種不一致性導(dǎo)致的重建誤差。實(shí)驗(yàn)結(jié)果表明,本章提出的改進(jìn)算法不僅有較小的空間復(fù)雜度,同時(shí)也擁有更好的主觀和客觀效果。2.研究基于鄰域嵌入的人臉幻生技術(shù)。同上,首先讓每幅待重建人臉經(jīng)過一個(gè)自適應(yīng)篩選訓(xùn)練集相似人臉庫系統(tǒng)的預(yù)處理,得到新的訓(xùn)練集人臉庫。為了更好地表示人臉圖像的信息,提出新的人臉特征提取方法和高低分辨率人臉塊特征聯(lián)合學(xué)習(xí)的鄰域人臉塊搜索方法;基于人臉的結(jié)構(gòu)相似性,對人臉進(jìn)行基于位置的人臉塊分類;考慮到流形學(xué)習(xí)存在著低分辨率流形到高分辨率流形間的不一致性,對待重建位置人臉塊的訓(xùn)練集高低分辨率鄰域人臉塊分別投影至共同的流形空間以進(jìn)行流形校正,然后后續(xù)的重建權(quán)重系數(shù)的局部鄰域嵌入算法求解均建立在共同流形上進(jìn)行。實(shí)驗(yàn)證明,本章提出的改進(jìn)的基于位置的鄰域嵌入人臉幻生技術(shù)相對傳統(tǒng)鄰域嵌入算法,重建出的高分辨率人臉圖像有更好的客觀質(zhì)量和主觀效果。
[Abstract]:The resolution of the digital image measures the definition of the image, and the resolution is determined by the number of pixels in the unit area of the image, which is the key index to measure the image quality. Face super-resolution reconstruction is a kind of low-cost software technology for low-resolution face processing, which is also called face illusion generation. Based on face image or video is widely involved in computer vision, machine learning and other fields, face fantasy technology has been a hot concern, research direction, it has been widely used in multimedia communications, face recognition, video surveillance and so on. This paper focuses on the study of face illusion generation technology based on learning, through the study of face illusion generation algorithm based on similarity constraint and neighborhood embedding face fantasy generation algorithm. An improved iterative learning face illusion generation algorithm based on similarity constraints and an improved location-based neighborhood embedded face illusion generation algorithm are proposed. The main research results and contributions include the following two aspects: 1. The traditional super-resolution reconstruction method of learning image has the defect of high space complexity, so an improved iterative learning algorithm based on similarity constraints is proposed. First, each face to be reconstructed is selected by principal component analysis (PCA) in the initial training set face database to form a new training set, which can be used for the subsequent iterative learning reconstruction. There is only one training set in each iteration to participate in the training, which reduces the space complexity, because of the defect of one-to-many mapping from low-dimensional space to high-dimensional space in manifold learning. In order to reduce the reconstruction error caused by this inconsistency, similarity constraints are used to calculate the reconstruction weights in each iteration. Experimental results show that the proposed improved algorithm not only has less space complexity, but also has better subjective and objective effects. This paper studies the technology of facial illusion generation based on neighborhood embedding. First, each face to be reconstructed is preprocessed by an adaptive training set similar face database system, and a new training set face database is obtained. In order to better represent face image information, a new face feature extraction method and a neighborhood block search method based on high and low resolution face block feature learning are proposed. Face block classification based on position is carried out, considering the inconsistency between low resolution manifold and high resolution manifold in manifold learning. The training set of the training set for reconstruction position face blocks are projected to the common manifold space to correct the manifold respectively. Then the local neighborhood embedding algorithm of the subsequent reconstruction weight coefficients is established on the common manifold. Experimental results show that the improved location-based neighborhood embedding algorithm has better objective quality and subjective effect than the traditional neighborhood embedding algorithm.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇秉華,金偉其,牛麗紅,劉廣榮;超分辨率圖像復(fù)原及其進(jìn)展[J];光學(xué)技術(shù);2001年01期

2 譚兵,徐青,耿則勛,邢帥;超分辨率圖象重建技術(shù)發(fā)展現(xiàn)狀[J];信息工程大學(xué)學(xué)報(bào);2003年04期

3 鐘山,沈振康;圖像靜態(tài)超分辨率重建[J];紅外與毫米波學(xué)報(bào);2004年02期

4 王勇,鄭輝,胡德文;視頻的超分辨率增強(qiáng)技術(shù)綜述[J];計(jì)算機(jī)應(yīng)用研究;2005年01期

5 焦斌亮;趙文蕾;;淺析互有位移圖像序列的超分辨率復(fù)原[J];遙測遙控;2006年01期

6 袁建華;殷學(xué)民;鄒謀炎;;一種有效的超分辨率重建計(jì)算方法[J];中國科學(xué)院研究生院學(xué)報(bào);2006年04期

7 張地;何家忠;彭宏;;低分辨率人臉序列的超分辨率重構(gòu)識別[J];韶關(guān)學(xué)院學(xué)報(bào);2007年06期

8 梁立恒;邢立新;姜紅艷;王明常;;高保真影像超分辨率重建應(yīng)用研究[J];吉林大學(xué)學(xué)報(bào)(地球科學(xué)版);2007年S1期

9 鄭麗賢;何小海;吳煒;楊曉敏;陳默;;基于學(xué)習(xí)的超分辨率技術(shù)[J];計(jì)算機(jī)工程;2008年05期

10 浦劍;張軍平;黃華;;超分辨率算法研究綜述[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2009年01期

相關(guān)會議論文 前10條

1 潘明海;劉永坦;趙淑清;徐佳祥;干恒富;;一種多運(yùn)動目標(biāo)的超分辨率檢測算法[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

2 李兵兵;陸耀;王曉明;李勁嫻;;基于金字塔回歸策略的人臉超分辨率[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

3 戴光智;陳鐵群;薛家祥;;基于微掃描技術(shù)焊縫超聲圖像的超分辨率重建[A];第十七屆全國測控計(jì)量儀器儀表學(xué)術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

4 鄭杰;韓梅;;基于微位移的超分辨率重建技術(shù)[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

5 張光昭;胡敬爐;謝澤明;;超分辨率亞毫米波付里葉變換譜[A];第四屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];1986年

6 繆泓;徐海明;;微平移序列圖像的超分辨率重建技術(shù)[A];中國力學(xué)學(xué)會學(xué)術(shù)大會'2009論文摘要集[C];2009年

7 徐啟飛;顏剛;陳武凡;;關(guān)于序列圖像的超分辨率重建算法[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（上冊）[C];2007年

8 徐忠強(qiáng);朱秀昌;;基于正則算法的壓縮視頻超分辨率重建[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

9 池小梅;馬建偉;黃景濤;;基于壓縮傳感的超分辨率紅外成像研究[A];中國自動化學(xué)會中南六省（區(qū)）2010年第28屆年會·論文集[C];2010年

10 黃華;何惠婷;;一種基于CCA空間超分辨率的人臉識別方法[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 傅罡;多源遙感數(shù)據(jù)的道路提取方法研究[D];清華大學(xué);2014年

2 巴拉卡，雅各布Maiseli（Baraka Jacob Maiseli）;基于正則化的非線性擴(kuò)散模型的超分辨率方法[D];哈爾濱工業(yè)大學(xué);2015年

3 袁建華;超分辨率重建中若干問題的研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2006年

4 范沖;三線陣影像超分辨率重建[D];中南大學(xué);2007年

5 張小紅;視頻去運(yùn)動模糊及超分辨率研究[D];浙江大學(xué);2012年

6 江濤;同視域多幀視覺影像超分辨率重建技術(shù)研究[D];山東科技大學(xué);2005年

7 郭曉新;超分辨率重建問題的研究[D];吉林大學(xué);2005年

8 韓玉兵;圖像及視頻序列的超分辨率重建[D];東南大學(xué);2006年

9 盧濤;低質(zhì)量監(jiān)控視頻人臉超分辨率技術(shù)研究[D];武漢大學(xué);2013年

10 喬建蘋;超分辨率重建與圖像增強(qiáng)技術(shù)研究[D];山東大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李智盛;壓縮傳感在超分辨率中的應(yīng)用[D];清華大學(xué);2011年

2 劉鵬;壓縮自編碼字典下的多機(jī)制鄰域嵌入超分辨率重建算法[D];華南理工大學(xué);2015年

3 蔣曉慧;自適應(yīng)正則化超分辨率重建方法的研究[D];蘇州大學(xué);2015年

4 楊國珂;基于壓縮傳感的圖像分辨率重構(gòu)方法和應(yīng)用[D];江西理工大學(xué);2015年

5 周才發(fā);基于流形對齊的WLAN室內(nèi)定位方法研究[D];哈爾濱工業(yè)大學(xué);2015年

6 陳果;單一醫(yī)學(xué)視頻時(shí)空超分辨率算法研究[D];北京理工大學(xué);2015年

7 李靖;基于壓縮感知的超分辨率理論與技術(shù)研究[D];電子科技大學(xué);2015年

8 黎媛;基于超分辨率的多視角混合分辨率視頻描述的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

9 羅國中;面向低質(zhì)量視頻的目標(biāo)對象的超分辨率重建技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

10 李華陽;手部深度圖像去噪與超分辨率方法研究[D];北京工業(yè)大學(xué);2015年

，

本文編號：2247927