基于流形学习的人脸图像超分辨率技术研究  

The research of face super-resolution based on manifold learning

作　　者：吴炜[1] 杨晓敏[1] 陈默[1] 郑丽贤[1] 何小海[1] 

机构地区：[1]四川大学电子信息学院图像信息研究所,成都610064

出　　处：《光学技术》2009年第1期84-88,92,共6页Optical Technique

基　　金：教育部重点资助项目(107094);四川大学电子信息学院青年教师基金的资助

摘　　要：超分辨率技术是由低分辨率图像复原出高分辨率图像的技术。针对人脸图像进行基于学习的超分辨率技术研究,将流形学习算法融入到超分辨率算法中,并且将其用于人脸图像的超分辨率复原。对流形学习应用于基于学习的超分辨率原理进行了介绍。为了使得人脸图像取得更好的复原效果,对特征提取模板进行改进,使得新的特征提取模板考虑更多的像素之间的相关性,并更好地抑制噪声的影响,保留了更多的特征信息。加入了新的特征(即拉普拉斯特征)。该特征突出的边缘细节,保持了人脸图像鲜明的轮廓和清晰的边缘信息。实验结果表明,算法复原出的人脸图像更接近于真实图像,具有更高的峰值信噪比。Super-resolution is to predicting high-resolution image from a low-resolution one. One of the manifold learning methods, locally linear embedding （LLE） is applied for super-resolution. This method is used to recover high resolution face images. The face super-resolution based on manifold learning is introduced. In order to achieve better results, a modified operator for feature extraction is presented, which consider more pixels between the relevance and retain more features. A new feature is added, namely Laplacian feature. The Laplacian features keeps the edge detail, maintain images sharp and clear outline of the edge of information. The experimental results demonstrate that the results of the proposed method are closer to the real images, with a higher oeak signal to noise ratio.

关 键 词：流形学习 基于学习的超分辨率 局部线性嵌入 图像复原 峰值信噪比 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置]