公开(公告)号：CN106600538A

公开(公告)日：2017-04-26

申请号：CN201611161604.X

申请日：2016-12-15

Applicant: 武汉工程大学

Inventor： 卢涛 ,  汪浩 ,  潘兰兰 ,  管英杰 ,  曾康利 ,  汪家明 ,  陈希彤

IPC: G06T3/40 ,  G06N3/08

CPC classification number: G06T3/4053 ,  G06N3/084

Abstract: 本发明公开了一种基于区域深度卷积神经网络的人脸超分辨率算法，包括以下步骤：训练阶段：S1、对输入的低分辨率人脸图像在像素域中划分相互重叠的图像块，得到多个局部区域；S2、对局部区域提取得到局部特征；S3、对局部特征进行非线性变化得到非线性特征；S4、对非线性特征进行处理，得到重建后的高分辨率图像块；S5、对高分辨率图像块进行拼接，并调整多层卷积层和修正线性单元层的参数；测试阶段：S6、输入低分辨率的测试人脸图像，通过超分辨率网络处理得到高分辨率的人脸图像。本发明提出的区域卷积神经网络提高了重建高分辨率图像的主客观重建质量。

公开(公告)号：CN106530231A

公开(公告)日：2017-03-22

申请号：CN201610985891.X

申请日：2016-11-09

Applicant: 武汉工程大学

Inventor： 卢涛 ,  潘兰兰 ,  管英杰 ,  汪浩 ,  曾康利 ,  汪家明 ,  陈希彤

IPC: G06T3/40

CPC classification number: G06T3/4076 ,  G06T2207/20081

Abstract: 本发明公开了一种基于深层协作表达的超分辨率图像的重建方法及系统。其中，该方法包括：重建过程；重建过程包括：对初始图像、低分辨率图像训练集中的图像和高分辨率图像训练集中的图像在像素域中划分图像块；计算由低分辨率图像训练集划分的图像块训练集对由初始图像划分的图像块进行重建时的最优权值系数；将由初始图像划分的图像块替换为由高分辨率图像训练集划分的图像块，用最优权值系数合成高分辨率图像块；将高分辨率图像块融合，获得高分辨率图像；将获得的高分辨率图像作为新的初始图像，进行至少一次重建过程，得到最终的高分辨率图像，解决了重建精度低的技术问题，满足了实际的分辨率重建需求。

公开(公告)号：CN106326843A

公开(公告)日：2017-01-11

申请号：CN201610669093.6

申请日：2016-08-15

Applicant: 武汉工程大学

Inventor： 卢涛 ,  管英杰 ,  张彦铎 ,  李晓林 ,  万永静 ,  杨威 ,  潘兰兰 ,  汪浩

IPC: G06K9/00

CPC classification number: G06K9/00268 ,  G06K9/00288

Abstract: 本发明公开了一种人脸识别方法，在人脸集合中提取出p张人脸图像，将人脸集合中剩余的图像分为n类人脸图像并作为训练样本库，采用训练样本库中的类别均值信息对P张人脸图像进行预分类，在分类之后将P个人脸图像中的每张图像和对应类别的图像一并进行低秩恢复，获得低秩恢复图像和稀疏误差图像。依据低秩图像的低秩性对噪声鲁棒的原理，利用训练样本库训练极限学习机，最后将P个人脸图像对应的低秩恢复图像作为测试样本库，利用极限学习机作为标准，建立P个人脸图像和训练之后得到的人脸标签之间的映射关系，对P个人脸图像对应的低秩恢复图像进行人脸识别，不但提升了极限学习机的识别鲁棒性，还降低了计算复杂度。

公开(公告)号：CN105469359A

公开(公告)日：2016-04-06

申请号：CN201510904054.5

申请日：2015-12-09

Applicant: 武汉工程大学

Inventor： 卢涛 ,  万永静 ,  张彦铎 ,  李晓林 ,  杨威 ,  管英杰 ,  潘兰兰

IPC: G06T3/40

CPC classification number: G06T3/4053

Abstract: 本发明公开了一种基于局部约束低秩表示的人脸超分辨率重建方法，包括以下步骤：S1、获取一张待重建的低分辨率人脸图像，将它与多张高分辨率人脸图像分别进行比对，找到互相重叠的图像块；S2、分别计算其在局部约束和低秩约束条件下的表达权重系数并对其求解，得到最优权重系数；S3、用其对应的高分辨率人脸图像上的重叠图像块，结合最优权重系数以及重叠次数进行合成，得到高分辨率的人脸图像块；S4、对合成得到的多个高分辨率的人脸图像块进行位置拼合，得到一张完整的高分辨率人脸图像。本发明能够获得更高质量的高分辨率人脸图像。