人脸图像超分辨率重建优化方法研究与应用

发布时间：2022-01-25 14:26

　　极低分辨率人脸图像仅能为人们提供较少的信息,为后续的人脸检测、识别技术带来了挑战。而人脸图像超分辨率重建技术可以通过对一幅或多幅低分辨率图像进行处理得到高分辨率图像,从而为后续处理提供良好基础。目前发展较成熟的是4倍人脸图像重建技术,但是在实际应用场景中,对于极低分辨率人脸图像还需要进行更大倍数的重建。只是当重建倍数为8时,大部分重建技术效果会急速下降。为此,论文的主要研究目标和研究工作是使用深度学习技术来提高极低分辨率人脸图像8倍重建的效果。论文的具体研究内容如下:（1）基于残差块的人脸超分辨率重建方法研究与设计。论文以经典的基于残差块的重建模型SRResNet为基础,从两种特征利用的角度对其残差块进行改进,分别构建了基于残差SE模块的重建模型FRSENet和基于残差密集块的重建模型FRDBNet。一种特征利用角度是特征重标定——对人脸各特征通道按重要程度进行赋值,以鼓励残差块学习对重建效果有利的特征,具体是通过构建残差SE模块来实现;另一种角度是特征重用——通过密集连接前后卷积层实现特征的由前至后逐层传递共享,以丰富学习过程中的特征,提升重建效果。实验表明,提出的两种重建模型均能够... 

【文章来源】：江苏大学江苏省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

重建系统界面

江苏大学工程硕士学位论文47(d)重建图像界面展示图5.4重建功能展示图Fig.5.4DisplayofReconstructionFunction5.3.2重建图像管理模块实现重建图像管理模块通过对输入的LR图像与输出的SR图像进行重命名，实现了对重建图像的管理功能。本系统对所有重建方法赋予一个ID号。对于LR图像，其命名格式为日期号加序列号。对于重建的图像，其命名格式为对应LR图像名称加重建方法ID以及重建倍数。通过图像管理界面，用户可以直观的查看历史重建记录，并对图像进行快捷的查看。重建后的图像默认保存在F盘的FaceSR_Result文件夹中，且以路径的形式保存在数据库中。如图5.5所示，分别为重建图像管理界面以及图像查看界面。(a)重建图像管理功能展示

人脸图像超分辨率重建优化方法研究与应用48(b)重建图像查看功能展示图5.5重建图像管理功能展示图Fig.5.5DisplayofManagementofReconstructedImages5.4本章小结本章首先对系统的需求进行分析，并按需求进行逻辑架构与功能的设计。接着对系统的各个功能模块进行介绍。对于各个功能模块，使用了Python语言、Tkinter界面库和Oracle数据库来进行实现，同时对其实现的功能进行界面展示。包括对不同算法的重建结果展示、评价指标PSNR以及SSIM值的计算与展示、图像保存功能、图像管理功能等。本章给出的人脸超分率重建原型系统，可以对三四章提出的重建算法结果进行展示与管理，一定程度可以满足用户的需求。

【参考文献】：
期刊论文
[1]基于生成对抗网络的人脸超分辨率技术[J]. 张天露,杨杰,何文玉,贾利民.  传感器与微系统. 2020(02)
[2]多注意力域的稠密连接人脸超分算法[J]. 刘颖,董占龙,卢津,王富平.  计算机工程与应用. 2020(20)
[3]基于极深卷积神经网络的人脸超分辨率重建算法[J]. 孙毅堂,宋慧慧,张开华,严飞.  计算机应用. 2018(04)
[4]基于迭代反投影的超分辨率图像重建[J]. 郭伟伟,章品正.  计算机科学与探索. 2009(03)



本文编号：3608698