-
公开(公告)号：CN111292238B
公开(公告)日：2023-08-08
申请号：CN202010069636.7
申请日：2020-01-21
Applicant: 扬州大学
Abstract: 本发明公开了一种基于正交偏最小二乘的人脸图像超分辨率重建方法，包括以下步骤：1.利用正交偏最小二乘法进行特征提取，将人脸图像映射到子空间中以使得对应高分辨率和低分辨率图像矩阵间的协方差最大，在子空间中利用邻域重建的思想重建出低分辨率输入图像的高分辨率全局人脸；2.将人脸残差分成若干重叠的方块，对每一个区域的方块使用邻域重建以构造高分辨率残余补偿；3.最终算法输出的高分辨率人脸图像为全局人脸加上残余补偿。本发明在超分辨率重建结果的轮廓、细节内容方面更加有优势，客观指标得分也高于经典算法，在多姿态下、不同缩放倍数下的表现也更优秀，具有令人满意的超分辨率重建表现和较强的鲁棒性，有一定的市场实施可行性。
-
-
公开(公告)号：CN111611962A
公开(公告)日：2020-09-01
申请号：CN202010473054.5
申请日：2020-05-29
Applicant: 扬州大学
Abstract: 本发明公开了基于分数阶多集偏最小二乘的人脸图像超分辨率识别方法，步骤1在训练阶段利用训练集学习不同分辨率视图之间的相关关系，使用PCA对图像降维，利用分数阶思想重新估计组内及组间协方差矩阵，并计算FMPLS投影矩阵，将主成分特征投影到FMPLS的一致相干子空间；步骤2在测试阶段，提取输入的多种低分辨率图像的主成分特征，并投影到相应的FMPLS子空间，通过邻域重建策略重建出输入的低分辨率图像的高分辨率特征；步骤3最后利用最近邻分类器进行人脸识别。本发明利用分数阶多集偏最小二乘，可以同时学习不同分辨率人脸视图之间的多种特定分辨率的映射，同时借助分数阶思想，重新估计协方差矩阵，以减少由样本数量不足、噪声等因素带来的影响。
-
公开(公告)号：CN111292237B
公开(公告)日：2023-08-08
申请号：CN202010069628.2
申请日：2020-01-21
Applicant: 扬州大学
IPC: G06T3/40
Abstract: 本发明公开了基于二维多集偏最小二乘的人脸图像超分辨率重建方法，包括以下步骤，1人脸图像首先被分为多个重叠的图像块，再利用二维多集偏最小二乘方法提取二维人脸图像块的潜在特征；2利用邻域重建策略以及图像块合并对输入的低分辨率人脸图像进行高频人脸图像重建；3最终输出的超分辨率重建图像为重建出的高频图像加上输入的低分辨率人脸图像。本发明具有一定的理论基础，创新性地提出了二维多集偏最小二乘方法，在不同数据库下测试结果表明具有较强的鲁棒性，有一定的市场实施的可行性，解决了目前绝大多数现有算法无法处理的多视图超分辨率问题，具有较大的创新性与实用性。
-
-
Patent Agency Ranking
公开(公告)号：CN111242082A
公开(公告)日：2020-06-05
申请号：CN202010069619.3
申请日：2020-01-21
Applicant: 扬州大学
Abstract: 本发明公开了基于分数阶正交偏最小二乘的人脸超分辨率重建识别方法，包括以下步骤：1利用分数阶正交偏最小二乘，将组内和组间协方差矩阵通过分数阶特征值和奇异值重新调整，再计算投影方向，将人脸图像特征映射到子空间中，通过邻域重建的思想重建出低分辨率输入高分辨率全局脸特征；2利用邻域重建方法构造高分辨率人脸残差块，将残差块合成得到高分辨率人脸残余补偿，通过残差补偿策略补充人脸细节；3最终算法输出的高分辨率人脸图像为全局人脸加上残差补偿，其中高分辨率全局脸特征可用于人脸识别。本发明在人脸超分辨率重建与识别应用中，能够获得更好的人脸重建效果和更高的人脸识别准确率。
-
公开(公告)号：CN111242082B
公开(公告)日：2023-10-13
申请号：CN202010069619.3
申请日：2020-01-21
Applicant: 扬州大学
IPC: G06V40/16 , G06V10/77 , G06V10/774 , G06T3/40
Abstract: 本发明公开了基于分数阶正交偏最小二乘的人脸超分辨率重建识别方法，包括以下步骤：1利用分数阶正交偏最小二乘，将组内和组间协方差矩阵通过分数阶特征值和奇异值重新调整，再计算投影方向，将人脸图像特征映射到子空间中，通过邻域重建的思想重建出低分辨率输入高分辨率全局脸特征；2利用邻域重建方法构造高分辨率人脸残差块，将残差块合成得到高分辨率人脸残余补偿，通过残差补偿策略补充人脸细节；3最终算法输出的高分辨率人脸图像为全局人脸加上残差补偿，其中高分辨率全局脸特征可用于人脸识别。本发明在人脸超分辨率重建与识别应用中，能够获得更好的人脸重建效果和更高的人脸识别准确率。
-
公开(公告)号：CN111275624B
公开(公告)日：2023-08-08
申请号：CN202010069717.7
申请日：2020-01-21
Applicant: 扬州大学
Abstract: 本发明公开了基于多集典型相关分析的人脸图像超分辨率重建识别方法，包括以下步骤：1利用多集典型相关分析，可以同时为同源的各种低分辨率人脸视图学习多种特定分辨率的映射，将多视图人脸图像分成重叠的图像块，再利用多集典型相关分析提取图像块主成分的潜在相干特征；2利用邻域重建策略重建出全局人脸图像，再通过残差补偿对全局人脸图像补充细节；3最终输出的超分辨率重建结果为全局人脸图像加上残差人脸图像。本发明具有一定的理论基础，在不同数据库下测试结果表明本发明具有较强的鲁棒性，具有一定的市场实施的可行性，解决了目前绝大多数现有算法无法处理的多视图超分辨率问题，具有较大的创新性与实用性。
-
公开(公告)号：CN111292237A
公开(公告)日：2020-06-16
申请号：CN202010069628.2
申请日：2020-01-21
Applicant: 扬州大学
IPC: G06T3/40
Abstract: 本发明公开了基于二维多集偏最小二乘的人脸图像超分辨率重建方法，包括以下步骤，1人脸图像首先被分为多个重叠的图像块，再利用二维多集偏最小二乘方法提取二维人脸图像块的潜在特征；2利用邻域重建策略以及图像块合并对输入的低分辨率人脸图像进行高频人脸图像重建；3最终输出的超分辨率重建图像为重建出的高频图像加上输入的低分辨率人脸图像。本发明具有一定的理论基础，创新性地提出了二维多集偏最小二乘方法，在不同数据库下测试结果表明具有较强的鲁棒性，有一定的市场实施的可行性，解决了目前绝大多数现有算法无法处理的多视图超分辨率问题，具有较大的创新性与实用性。
-
公开(公告)号：CN111292238A
公开(公告)日：2020-06-16
申请号：CN202010069636.7
申请日：2020-01-21
Applicant: 扬州大学
Abstract: 本发明公开了一种基于正交偏最小二乘的人脸图像超分辨率重建方法，包括以下步骤：1.利用正交偏最小二乘法进行特征提取，将人脸图像映射到子空间中以使得对应高分辨率和低分辨率图像矩阵间的协方差最大，在子空间中利用邻域重建的思想重建出低分辨率输入图像的高分辨率全局人脸；2.将人脸残差分成若干重叠的方块，对每一个区域的方块使用邻域重建以构造高分辨率残余补偿；3.最终算法输出的高分辨率人脸图像为全局人脸加上残余补偿。本发明在超分辨率重建结果的轮廓、细节内容方面更加有优势，客观指标得分也高于经典算法，在多姿态下、不同缩放倍数下的表现也更优秀，具有令人满意的超分辨率重建表现和较强的鲁棒性，有一定的市场实施可行性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
