-
公开(公告)号：CN106157251B
公开(公告)日：2018-10-26
申请号：CN201510151907.2
申请日：2015-04-01
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 一种基于柯西正则化的人脸超分辨率方法，包括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；分别建立高、低分辨率图像块集作为高、低分辨率图像块字典；用低分辨率图像块字典表示该图像块，利用柯西约束项求解重建系数，然后利用此重建系数和高分辨率图像块字典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。本发明在最小二乘法的基础上对重建系数加上柯西约束，本发明可得到了更高质量、与真实情况更为接近的重建效果。
-
公开(公告)号：CN106157251A
公开(公告)日：2016-11-23
申请号：CN201510151907.2
申请日：2015-04-01
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 一种基于柯西正则化的人脸超分辨率方法，包括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；分别建立高、低分辨率图像块集作为高、低分辨率图像块字典；用低分辨率图像块字典表示该图像块，利用柯西约束项求解重建系数，然后利用此重建系数和高分辨率图像块字典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。本发明在最小二乘法的基础上对重建系数加上柯西约束，本发明可得到了更高质量、与真实情况更为接近的重建效果。
-
公开(公告)号：CN104091320A
公开(公告)日：2014-10-08
申请号：CN201410339087.5
申请日：2014-07-16
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 一种基于数据驱动局部特征转换的噪声人脸超分辨率重建方法，包括对待重建的输入低分辨率人脸图像和高、低分辨率训练集相应划分相互重叠的图像块；对于输入低分辨率人脸图像的每一个位置上的图像块，分别从低分辨率人脸样本图像对应位置的图像块中找出K个最近邻的图像块，并对应找出相应高分辨率人脸样本图像中的图像块，进行去均值化；利用映射系数计算出各图像块相应的高分辨率人脸图像块，重构出高分辨率人脸图像，进行迭代后处理。本发明解决了主成分分析无法捕获处于高维流形空间人脸特征的问题，利用局部流形的线性特性有效的进行了噪声人脸图像的超分辨率重建，同时进行高分辨率图像后处理，进一步提高了重建结果的主、客观图像质量。
-
公开(公告)号：CN104077742B
公开(公告)日：2017-07-21
申请号：CN201410349998.6
申请日：2014-07-22
Applicant: 武汉大学
IPC: G06T3/40
Abstract: 本发明提供了一种基于GABOR特征的人脸素描合成方法及系统，包括步骤：将待合成人脸照片、人脸照片样本以及人脸素描样本划分为相互重叠的像素块；提取各像素块的Gabor特征，基于像素块Gabor特征的协方差矩阵获得Stein散度矩阵；基于Stein散度矩阵及各人脸照片样本像素块的重建系数，获得最优权值；采用最优权值将各人脸素描样本对应位置的像素块加权合成，获得合成人脸素描像素块；融合合成人脸素描像素块获得待合成人脸照片对应的合成人脸素描。本发明可合成更高质量的人脸素描，可应用于刑事侦查中。
-
公开(公告)号：CN104091320B
公开(公告)日：2017-03-29
申请号：CN201410339087.5
申请日：2014-07-16
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 一种基于数据驱动局部特征转换的噪声人脸超分辨率重建方法，包括对待重建的输入低分辨率人脸图像和高、低分辨率训练集相应划分相互重叠的图像块；对于输入低分辨率人脸图像的每一个位置上的图像块，分别从低分辨率人脸样本图像对应位置的图像块中找出K个最近邻的图像块，并对应找出相应高分辨率人脸样本图像中的图像块，进行去均值化；利用映射系数计算出各图像块相应的高分辨率人脸图像块，重构出高分辨率人脸图像，进行迭代后处理。本发明解决了主成分分析无法捕获处于高维流形空间人脸特征的问题，利用局部流形的线性特性有效的进行了噪声人脸图像的超分辨率重建，同时进行高分辨率图像后处理，进一步提高了重建结果的主、客观图像质量。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN104036482B
公开(公告)日：2017-01-11
申请号：CN201410323594.X
申请日：2014-07-07
Applicant: 武汉大学
Abstract: 一种基于字典渐近更新的人脸图像超分辨率方法：在训练阶段，采用去一法对低分辨率人脸图像训练集的每张低分辨率人脸图像进行超分辨率重构，得到一层低分辨率中间字典；以此低分辨率中间字典作为新的低分辨率人脸图像训练集输入，重构得到新一层的低分辨率中间字典；重复上述过程，最终得到多层低分辨率中间字典。在测试阶段，根据输入的低分辨率人脸图像，上一层低分辨率中间字典和高分辨率人脸图像训练集，对输入低分辨率人脸图像进行超分辨率重构，得到预估高分辨率人脸图像；重复上述过程，最终重构出高分辨率人脸图像。本发明可得到更高质量、与真实情况更为接近的重建效果。
-
公开(公告)号：CN103208109B
公开(公告)日：2015-09-16
申请号：CN201310147620.3
申请日：2013-04-25
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 一种基于局部约束迭代邻域嵌入的人脸幻构方法，建立高、低分辨率图像块集作为高、低分辨率图像块字典；将输入的低分辨率人脸图像图像块上采样得预估高分辨率图像块，并寻找对应位置的高分辨率图像块字典中最近的K个图像块，用对应的K个低分辨率图像块线性表示输入低分辨率图像块获得权值系数；利用权值系数将K个近邻高分辨率图像块重建出新的预估高分辨率图像块，重复进行直到得到最满意的预估高分辨率图像块；根据低分辨率图像块的位置关系融合成高分辨率图像。本发明在基于位置先验和局部流形约束的基础上同时考虑了两种流形结构，并运用迭代在上一次重建的结果上不断更新K近邻和重建权重，得到了更高质量、与真实情况更为接近的重建效果。
-
公开(公告)号：CN103226818B
公开(公告)日：2015-09-02
申请号：CN201310147510.7
申请日：2013-04-25
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 一种基于流形正则稀疏支撑回归的单帧图像超分辨率重建方法，建立高、低分辨率图像块集分别作为高、低分辨率图像块字典；将输入低分辨率图像划分成为若干个图像块，对图像块用低分辨率图像块字典进行稀疏编码并得到支撑集；计算高分辨率图像块支撑集的近邻关系并保持到重建后的高分辨率图像块空间，学习由低分辨率图像块空间到高分辨率图像块空间的映射关系；利用此映射关系求得所有输入低分辨率图像块对应的高分辨率图像块，并融合成高分辨率图像。本发明提出流形正则稀疏支撑回归表示模型，自适应的选择稀疏表示的支撑集，并利用了支撑集中高分辨率图像块的流形结构来约束高分辨率图像块重建，因而得到更高质量的高分辨率图像。
-
公开(公告)号：CN104036482A
公开(公告)日：2014-09-10
申请号：CN201410323594.X
申请日：2014-07-07
Applicant: 武汉大学
Abstract: 一种基于字典渐近更新的人脸图像超分辨率方法：在训练阶段，采用去一法对低分辨率人脸图像训练集的每张低分辨率人脸图像进行超分辨率重构，得到一层低分辨率中间字典；以此低分辨率中间字典作为新的低分辨率人脸图像训练集输入，重构得到新一层的低分辨率中间字典；重复上述过程，最终得到多层低分辨率中间字典。在测试阶段，根据输入的低分辨率人脸图像，上一层低分辨率中间字典和高分辨率人脸图像训练集，对输入低分辨率人脸图像进行超分辨率重构，得到预估高分辨率人脸图像；重复上述过程，最终重构出高分辨率人脸图像。本发明可得到更高质量、与真实情况更为接近的重建效果。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.026 seconds)
