-
公开(公告)号：CN102982520A
公开(公告)日：2013-03-20
申请号：CN201210519277.6
申请日：2012-12-05
Applicant: 武汉大学
Abstract: 本发明提供了一种基于轮廓先验的鲁棒性人脸超分辨率处理方法，在传统的基于流形的超分辨率方法的基础上，同时选择两种对降质过程鲁棒的图像特征，通过将二者良好耦合在（局部嵌入）算法中，同时作为算法过程中图像相似性的判定准则，以此部分解决传统方法不能很好的解决监控成像过程中严重噪声和模糊对单帧人脸图像超分辨率恢复效果缺乏真实性的问题。
-
公开(公告)号：CN102902961A
公开(公告)日：2013-01-30
申请号：CN201210362736.4
申请日：2012-09-21
Applicant: 武汉大学
Abstract: 本发明公开了一种基于K近邻稀疏编码均值约束的人脸超分辨率处理方法，本发明涉及图像分辨率处理技术领域，尤其涉及一种基于K近邻稀疏编码均值约束的人脸超分辨率处理方法。本发明根据人脸块位置先验信息，对训练样本图像块进行聚类，得到相应位置的高低分辨率稀疏表示字典对；利用低分辨率字典对输入图像块的K近邻进行稀疏表示，得到稀疏编码均值；基于稀疏先验和K近邻稀疏编码均值约束实现低分辨率图像块的稀疏表示，通过系数映射实现高分辨率图像块重建，最终交叠平均得到高分辨率人脸图像。本发明方法在保持重建人脸图像相似度的基础上，改善了人脸图像的清晰度，增强了超分辨率图像的质量。
-
公开(公告)号：CN102075785B
公开(公告)日：2012-05-23
申请号：CN201010608963.1
申请日：2010-12-28
Applicant: 武汉大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种ATM机广角摄像机镜头畸变校正方法。本发明包括根据不同厂家不同型号的ATM机广角摄像机镜头畸变校正参数进行建库，在包含若干直线的场景内拍摄一幅广角图像，并手工标提取图像中的曲线，确定一组该ATM机广角摄像机镜头校正的最优参数，根据最优参数对广角图像进行校正。本发明能快速而准确地求得最优校正参数，基于这组最优参数，我们就可以对广角镜头图像进行准确的校正。
-
公开(公告)号：CN106157274B
公开(公告)日：2019-01-29
申请号：CN201510151884.5
申请日：2015-04-01
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 本发明提供一种基于图像位置块近邻嵌入的人脸幻构方法，对输入的低分辨率人脸图像、低分辨率训练集中的低分辨率人脸样本图像以及高分辨率训练集中的高分辨率人脸样本图像划分相互重叠的图像块，建立低、高分辨率人脸样本块空间；对于输入的低分辨率人脸图像中每个图像块，寻找对应位置的低分辨率图像块字典中距离该小图像块距离最近的K个图像块，然后为这K个图像块在高分辨率图像块字典中找到对应K个近邻高分辨率图像块；用这K个低分辨率图像块线性表示输入低分辨率图像块获得表示系数；利用此表示系数和K个近邻高分辨率图像块重建出新的高分辨率图像块；根据低分辨率图像块的位置关系将所得的高分辨率图像块融合成高分辨率图像。
-
公开(公告)号：CN103034974B
公开(公告)日：2015-12-23
申请号：CN201210523889.2
申请日：2012-12-07
Applicant: 武汉大学
Abstract: 基于支撑集驱动稀疏编码的人脸超分辨率重建方法，将输入的低分辨率人脸图像、高低分辨率训练集内人脸图像分别划分为相互交叠的图像块；对输入的低分辨率人脸图像的每一个图像块，首先给编码系数分配不同的权重，然后通过求解权重稀疏问题获得最终编码系数；将低分辨率训练集内每个图像相应位置图像块，用一一对应的高分辨率训练集内每个图像相应位置图像块进行替换，加权合成高分辨率图像块；按照合成的高分辨率图像块在人脸上的位置，融合成高分辨率人脸图像。本发明提出局部约束表示模型，自适应地选择训练集内样本图像块空间中与输入图像块近邻的图像块来线性重建输入图像块，得到最优权重系数，合成出高质量的高分辨率图像。
-
Patent Agency Ranking
公开(公告)号：CN103065292B
公开(公告)日：2015-07-15
申请号：CN201210574750.0
申请日：2012-12-26
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 一种基于主成份稀疏表达的人脸超分辨率重建方法，将输入的低分辨率人脸图像、低分辨率人脸样本图像和高分辨率人脸样本图像分别划分为相互交叠的图像块；对于图像的每一个位置图像块进行主成份分解获得主成份表达基；对输入的低分辨率人脸图像每一个图像块，根据样本库中对应图像块的主成份表达基进行稀疏约束投影，并将获得的主成份稀疏表达系数转换到样本表达空间；将对应的同一位置块的低分辨率人脸样本图像替换成高分辨率人脸样本图像，合成高分辨率图像块并拼合得到输出高分辨率图像。本发明提出了位置块的主成份稀疏表达，将输入图像块的内在信息与噪声信息区分，提升了在噪声环境下图像块的表达精度，提高了高分辨率重建图像的客观图像质量。
-
公开(公告)号：CN102982520B
公开(公告)日：2015-07-15
申请号：CN201210519277.6
申请日：2012-12-05
Applicant: 武汉大学
Abstract: 本发明提供了一种基于轮廓先验的鲁棒性人脸超分辨率处理方法，在传统的基于流形的超分辨率方法的基础上，同时选择两种对降质过程鲁棒的图像特征，通过将二者良好耦合在（局部嵌入）算法中，同时作为算法过程中图像相似性的判定准则，以此部分解决传统方法不能很好的解决监控成像过程中严重噪声和模糊对单帧人脸图像超分辨率恢复效果缺乏真实性的问题。
-
公开(公告)号：CN102521810B
公开(公告)日：2013-09-18
申请号：CN201110421452.3
申请日：2011-12-16
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 一种基于局部约束表示的人脸超分辨率重建方法，将输入的低分辨率人脸图像、高低分辨率训练集内人脸图像分别划分为相互交叠的图像块；对输入的低分辨率人脸图像的每一个图像块，根据图像块的表示具有局部性这一先验，计算由低分辨率训练集内每个图像相应位置图像块进行线性重建时的最优权重系数；将低分辨率训练集内每个图像相应位置图像块，用一一对应的高分辨率训练集内每个图像相应位置图像块进行替换，加权合成高分辨率图像块；按照人脸上的位置，融合成高分辨率人脸图像。本发明提出局部约束表示模型，自适应地选择训练集内样本图像块空间中与输入图像块近邻的图像块来线性重建输入图像块，得到最优权重系数，合成出高质量的高分辨率图像。
-
公开(公告)号：CN102708556A
公开(公告)日：2012-10-03
申请号：CN201210145054.8
申请日：2012-05-10
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 一种基于反向图保持的单张图像超分辨率方法，首先建立描述高分辨率训练图像块空间流形结构关系的邻接矩阵图；然后学习低分辨率图像块空间到高分辨率图像块空间的映射矩阵，同时使得重建后的高分辨率图像块空间和原始高分辨率训练图像块空间的流形结构关系保持一致；最后利用此映射矩阵将输入的低分辨率图像分块映射到高分辨率空间，融合所有得到的高分辨率图像块重建出最终的高分辨率图像。本发明解决了由于模糊、下采样和噪声等因素造成的高低分辨率图像块空间流形结构关系不一致的问题。此外，每个待重建的低分辨率块只需乘以预先训练好的投影矩阵，因此在运行速度上相对于现有基于学习的方法也有很大的提升。
-
公开(公告)号：CN102693419A
公开(公告)日：2012-09-26
申请号：CN201210164069.9
申请日：2012-05-24
Applicant: 武汉大学
Abstract: 一种基于多流形判别分析超分辨率的人脸识别方法，在训练阶段，通过多流形判别分析得到一个由低高辨率人脸图像多流形空间到高分辨率人脸图像多流形空间的映射矩阵。在原始高分辨率人脸图像多流形空间构建类内相似性图和类间相似性图，利用这两个近邻图构建判别约束项，最优化由重建约束项和判别约束项组成的代价函数，得到映射矩阵。在识别阶段，通过离线学习得到的映射矩阵将待识别的低分辨率人脸图像映射到高分辨率人脸图像多流形空间，得到高分辨率人脸图像；在高分辨率人脸图像多流形空间，利用欧氏距离准则用最近邻分类器进行分类识别。在人脸识别率和运行效率上，本发明方法相对传统超分辨率方法均有了极大的提升。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.026 seconds)
