利用位置字典对的人脸图像超分辨率方法.pdfVIP

第46卷第6期 2012年6月 西安交通大学学报 J()URNAL OF XI’AN JIAOTONG UNIVERSITY V01．46 No．6 Jun．2012 利用位置字典对的人脸图像超分辨率方法 李玉花，齐春 (西安交通大学电子与信息工程学院，710049，西安) 摘要：针对基于稀疏表示的人脸超分辨率算法存在的字典尺寸大、训练时间长等问题，提出一种基 于位置字典对的超分辨率重建方法．由于同一位置的人脸图像块具有相似的结构和内容，更有可能 用相同的字典原子进行线性组合表示，因此把训练人脸图像按位置分块，首先为每个位置训练一个 位置字典对，利用获得的多个位置字典对，对低分辨率测试人脸图像进行基本重建，然后应用残差 补偿方法对位置块进行补偿．实验结果表明，由所提方法重建的人脸图像具有更好的视觉效果，与 应用原始图像块进行稀疏表示的图像超分辨率算法相比，平均图像结构相似度指标值提高了 0．082，同时字典训练时间缩短了约5倍． 关键词：人脸图像；超分辨率；稀疏表示；位置字典 中图分类号：TNgll．73文献标志码：A文章编号：0253—987X(2012)06—0007·05 A Super-Resolution Method for Face Images Using Position-Dictionary Pairs LI Yuhua。QI Chun (School of Electronics and Information Engineering。Xi’an Jiaotong University．Xi’an 710049，Cllim) Abstract：A novel method using position-dictionary pairs is proposed tO reconstruct a high resolution frontal face image from a single 10W resolution version．Since the contents and structures in the same position of face image patches are similar and are more likely to be better represented by the combination of the same dictionary atoms，face images used for training are blocked into overlapped position-patches．Then a small position-dictionary pair is trained for each position．A basic high resolution image can be recovered for each low resolution input by using these position-dictionary pairs．Finally，the visual quality Of the reconstructed image is improved by using a residual compensation method．Experimental results show that face images reconstructed by the proposed method have better visual effect．A comparison with the algorithm of image super-resolution via raw image patches based sparse representation show that the SSIM of the proposed method is 0．082 higher；while the training time is shortened about 5 times． Keywords：face image；supe卜resolution；sparse representation；position-dictionary 图像超分辨率重建是指利用退化降质的低分辨 率图像，运用相应算法来获得一幅或多幅清晰的高 分辨率图像的技术．人脸图像超分辨率重建是图像 超分辨率重建技术在人脸这一特定对象上的应用， 在公安刑侦、视频监控系统等领域有着广泛的应用 需求． 目前人脸图像超分辨率重建算法主要有两类： 基于重建的方法[1。扣和基于机器学习的方法‘3引．基 于重建的方法是利用多幅低分辨率图像融合得到一 幅高分辨率图像，但该类方法存在固有的局限