-
公开(公告)号:CN105701770B
公开(公告)日:2018-12-14
申请号:CN201610031339.7
申请日:2016-01-18
Applicant: 武汉大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于上下文线性模型的人脸超分辨率处理方法及系统,通过构建训练库;采用相同的分块方式将待处理低分辨率人脸图像和训练库中图像划分为具交叠部分的图像块;对待处理低分辨率人脸图像块,逐一构建毗邻块空间;用目标位置的块的每一个毗邻块,辅助估计出对应的高分辨率块,得到一个高分辨率块集合;通过分别计算待处理低分辨率图像和训练库中低分辨率图像中,目标块与毗邻块的关系,决定在低分辨率库中的权重系数;融合高分辨率估计集合为一个高分辨率估计块;最终拼接高分辨率人脸图像块。本发明可显著提高恢复图像的视觉感受,特别适用于低质量监控环境下人脸图像的恢复。
-
公开(公告)号:CN105701515A
公开(公告)日:2016-06-22
申请号:CN201610033503.8
申请日:2016-01-18
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于双层流形约束的人脸超分辨率处理方法及系统,通过构建训练库;将待处理低分辨率人脸图像和训练库中图像划分为具交叠部分的图像块;对待处理低分辨率人脸图像各图像块,在对应位置的低分辨率训练块集合中查找其一层近邻;查找待处理图像块的二层近邻;计算待处理图像块的一层近邻和二层近邻之间,在低分辨率库中的权重系数;计算待处理图像块和一层近邻之间,在低分辨率库中的权重系数;计算出待处理图像块和二层近邻之间的权重系数;将权重投影到高分辨率空间上,获得低分辨率待处理图像的高分辨率图像块;最终拼接高分辨率人脸图像块。本发明可显著提高恢复图像的视觉感受,特别适用于低质量监控环境下人脸图像的恢复。
-
公开(公告)号:CN105701515B
公开(公告)日:2019-01-04
申请号:CN201610033503.8
申请日:2016-01-18
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于双层流形约束的人脸超分辨率处理方法及系统,通过构建训练库;将待处理低分辨率人脸图像和训练库中图像划分为具交叠部分的图像块;对待处理低分辨率人脸图像各图像块,在对应位置的低分辨率训练块集合中查找其一层近邻;查找待处理图像块的二层近邻;计算待处理图像块的一层近邻和二层近邻之间,在低分辨率库中的权重系数;计算待处理图像块和一层近邻之间,在低分辨率库中的权重系数;计算出待处理图像块和二层近邻之间的权重系数;将权重投影到高分辨率空间上,获得低分辨率待处理图像的高分辨率图像块;最终拼接高分辨率人脸图像块。本发明可显著提高恢复图像的视觉感受,特别适用于低质量监控环境下人脸图像的恢复。
-
公开(公告)号:CN106203269A
公开(公告)日:2016-12-07
申请号:CN201610494253.8
申请日:2016-06-29
Applicant: 武汉大学
CPC classification number: G06K9/00288 , G06K9/6256 , G06K9/6276
Abstract: 本发明公开一种基于可形变局部块的人脸超分辨率处理方法及系统,本方法主要关注基于局部模型可变的人脸超分辨率方法,在人脸位置先验的基础上,通过引入SIFT Flow特征对库样本图像块进行形变,扩充样本库图像块模式,增强已有图像块的表达能力,使得重建结果具有更高的精确性,进一步的挖掘样本库中人脸图像块与输入人脸图像块的关系,优化了人脸超分辨率算法的结果;本发明可显著提高恢复图像的视觉感受,特别适用于低质量监控环境下人脸图像的恢复。
-
公开(公告)号:CN105701770A
公开(公告)日:2016-06-22
申请号:CN201610031339.7
申请日:2016-01-18
Applicant: 武汉大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于上下文线性模型的人脸超分辨率处理方法及系统,通过构建训练库;采用相同的分块方式将待处理低分辨率人脸图像和训练库中图像划分为具交叠部分的图像块;对待处理低分辨率人脸图像块,逐一构建毗邻块空间;用目标位置的块的每一个毗邻块,辅助估计出对应的高分辨率块,得到一个高分辨率块集合;通过分别计算待处理低分辨率图像和训练库中低分辨率图像中,目标块与毗邻块的关系,决定在低分辨率库中的权重系数;融合高分辨率估计集合为一个高分辨率估计块;最终拼接高分辨率人脸图像块。本发明可显著提高恢复图像的视觉感受,特别适用于低质量监控环境下人脸图像的恢复。
-
-
-
-