论文部分内容阅读
对于给定的成像系统,虽然可以通过改进镜头设计、改变电路和光路设计、增加模数转换位数、降低量化误差等方法提高分辨率,但这些直接方法的经济代价较高或工艺水平受限,因此不能被广泛使用。图像的超分辨率重建是指利用现有的成像条件,采用软件的方法消除由成像系统产生的图像失真和退化,恢复图像的高频信息,重建出空间分辨率较高的清晰图像的技术。图像的超分辨率重建技术已成为近年来数字图像处理和计算机视觉领域中的一个研究热点,该项技术在高分辨率成像系统和红外成像系统等领域的应用具有十分重要的现实意义。本文选择以人脸图像作为研究对象,相对于自然图像,人脸图像的特征更为精细复杂,因此对人脸图像的超分辨率重建更具有挑战性和理论意义。人脸图像超分辨率可以应用于多个领域,如人脸识别、人脸表情分析等。本文研究了多尺度人脸图像超分辨率技术并采用基于学习的方法对人脸图像进行超分辨率重建,提出了自己的算法并进行了仿真实验分析,具体内容如下:1.研究了基于steerable金字塔的人脸图像超分辨率重建算法。在该算法中,采用steerable金字塔学习人脸图像中低层局部特征的空间分布,并结合塔状的父结构和基于父结构的局部最优匹配算法来预测最佳先验模型;然后将先验模型结合到贝叶斯最大后验概率框架中,得到初始高分辨率人脸图像;最后使用全局线性平滑算子求出最优的高分辨率人脸图像作为超分辨率重建的结果。实验证明,该方法能重建出人脸图像的面部细节信息,同时图像全局边缘较为平滑,具有较好的视觉效果。2.研究了基于Contourlet金字塔的人脸图像超分辨率重建算法。在该算法中,采用Contourlet金字塔学习人脸图像的低层局部特征,并将Contourlet系数特征和梯度特征相结合作为人脸图像的特征表示;然后使用基于图像小块的局部最优匹配算法求得高分辨率人脸图像。实验表明,该算法增强了重建出的人脸图像整体的细节特征。