【摘要】 本发明涉及一种高抗噪性单幅人脸自动超分辨率方法。本发明其特征在于包括训练和重建两个主要过程，训练包括基础人脸模型训练和附属物模型训练，重建的步骤如下：输入人脸图像后通过ASM算法标定人脸特征点在通过几何变换得到配准后的人脸图像，再根据公式(1)min(W*||A*B*X-IL||2)的算法，采用迭代求解方法得到重建后的基础人脸，利用重建后的基础人脸与输入人脸图像相减得到当前附属物，再对附属物采用公式(1)算法重建得到重建后的附属物，最后将重建后的附属物与配准后的人脸图像相加即得到最终的重建人脸图像。本发明的高分辨率方法具有抗强噪声、抗遮挡；全过程自动化程度高，计算速度快，避恢复效果清晰自然，符合一般人脸结构，人脸部件可替换，可输出多种效果。 【专利类型】发明授权 【申请人】浙江捷尚视觉科技有限公司 【申请人类型】企业 【申请人地址】310013 浙江省杭州市余杭区五常街道文一西路998号7幢东楼 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】余杭区 【申请号】CN201210145150.2 【申请日】2012-05-09 【申请年份】2012 【公开公告号】CN102693416B 【公开公告日】2014-03-12 【公开公告年份】2014 【授权公告号】CN102693416B 【授权公告日】2014-03-12 【授权公告年份】2014.0 【IPC分类号】G06K9/00; G06K9/62 【发明人】尚凌辉; 王百超; 高勇; 刘嘉 【主权项内容】一种高抗噪性单幅人脸自动超分辨率方法，其特征在于包括训练和重建两个主要过程，训练包括基础人脸模型训练和附属物模型训练，基础人脸模型训练是对高分辨率基础人脸库使用ASM算法自动标定人脸特征点，并通过几何变换重建人脸到固定的对齐后的基础人脸库，再使用变换裁选好的人脸库，并用PCA算法进行训练，得到人脸分解基序列；所述的附属物模型训练，是将带附属物的人脸库与带附属物基础人脸库的相减，得到附属物库，再使用变换裁选好的附属物库，利用PCA算法训练，得到附属物分解基序列；重建的步骤如下：输入人脸图像后通过ASM算法标定人脸特征点再通过几何变换得到配准后的人脸图像，再根据公式(1)min(W*||A*B*X-IL||2)的算法，其中W为权重矩阵, A=D*F, D为降采样矩阵，F为模糊矩阵，B为所有特征脸向量组成的矩阵，X为各特征脸对应的系数，IL为向量化后的低分辨率人脸图，采用迭代求解方法得到重建后的基础人脸，利用重建后的基础人脸与输入人脸图像相减得到当前附属物，再对附属物采用公式(1)算法重建得到重建后的附属物，最后将重建后的附属物与配准后的人脸图像相加即得到最终的重建人脸图像。 【当前权利人】浙江捷尚视觉科技股份有限公司 【当前专利权人地址】浙江省杭州市余杭区五常街道文一西路998号7幢东楼 【专利权人类型】其他股份有限公司(非上市) 【统一社会信用代码】9133010066520485X7 【引证次数】3.0 【他引次数】3.0 【家族引证次数】3.0 【家族被引证次数】2

未经允许不得转载：http://www.zhongzhencnc.com/1791452249.html