线性组合与稀疏表示人脸图像超分辨重建方法研究

人脸及其表情的检测、识别、分析、理解与模拟, 一直是机器学习、人工智能、图像理解、计算机视觉等领域研究人员关注的热点和难点问题，人脸图像的分辨率增强是其中一个重要的研究内容。本项目提出进行线性组合与稀疏表示人脸图像超分辨重建方法研究, 针对具有很强优势的线性组合超分辨重建方法中存在的有待进一步研究的问题，从基函数的选择、加权系数的求解和残差高频分量补偿等方面提出新的方案, 提高基函数的表示精度，构造不同于以往的线性组合超分辨重建方法以及加权系数的求解和残差高频分量补偿算法。稀疏表示是新的研究手段，其原理可以理解为在一定条件下从低维信号能够推断出高维信号，将这种本质上十分符合图像超分辨率重建要求的方法引入到图像超分辨率重建中，提出并建立稀疏表示方法与超分辨率重建模型之间的联系方案，构建采用稀疏表示的图像超分辨率重建模型以及相应的求解步骤和算法，以期进一步提高超分辨重建的效果。

人脸图像的增强及识别一直是国际上一个持续受到重点关注的研究课题。本项目的主要内容是进行基于线性组合和稀疏表示方法的人脸超分辨率重建及相关工作的研究。主要完成的工作有：在线性组合人脸超分辨重建方面，提出了一个 “位置块” 的新概念，进而基于这个概念构建了一种新的人脸超分辨重建方法。根据国际相关领域研究的最新发展，将该方法推广，提出了一种新的多角度人脸超分辨重建方案。还构建了一种利用人脸图像原图并利用位置信息进行细节补偿的线性组合人脸超分辨重建新方法。在稀疏表示与人脸超分辨重建方面，结合“位置块”新概念和稀疏字典训练方法，构建了一种基于位置字典对的人脸超分辨率重建方法。提出了一种整数小波稀疏化表示的新方法，为信号与图像的稀疏化表示提供了新的选择。提出了一种采用遗传算法的分层贪婪字典训练算法，在同样稀疏度约束下有效提高了重建信噪比。还在灰度级超分辨率人脸识别和利用双约束稀疏模型的图像修复等方面进行了扩展研究。在国际期刊上发表论文3篇,在国际会议和国内期刊上发表论文9篇，合计SCI索引3篇,EI索引11篇，获得发明专利授权1项。其中一篇论文目前已经被11篇国际期刊和7篇国际会议引用。