專利名稱：一種基于人臉超分辨率處理的人臉老化模擬方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于人臉超分辨的人臉老化模擬方法，屬于模式識別技術(shù)領(lǐng)域。
背景技術(shù)：
在影響人臉識別準(zhǔn)確性的各種因素中，姿勢、表情以及光照等都屬于外部因素，
相對來說已經(jīng)有不少比較成熟的方法來解決，而年齡變化所產(chǎn)生的影響是個體自身的
變化導(dǎo)致的特征差異性較大以至不能識別。人臉老化模擬方法，可以實現(xiàn)人臉數(shù)據(jù)庫
自動更新從而增強人臉識別系統(tǒng)的魯棒性，也可以用于尋找失蹤人員及電子娛樂領(lǐng)域。
設(shè)計實現(xiàn)一個成熟可靠的人臉老化模擬和年齡識別算法有許多現(xiàn)實意義 可模擬出一個特定的個體的具體面部特征。通過人臉老化，可以描繪出一個失 蹤若干年的人現(xiàn)在的具體長相以及面部特征。一個具體的例子就是當(dāng)一個人在幼年時 候走失，而長大以后其形貌會發(fā)生很大的變化，可以根據(jù)他幼年時期的照片模擬出他 長大后的臉部圖像。
為一些龐大的人臉數(shù)據(jù)庫實現(xiàn)自動更新。在有些管理系統(tǒng)中會有非常龐大的人 臉數(shù)據(jù)庫，這些數(shù)據(jù)庫里面的人的照片當(dāng)然也會隨著時間的推移而與相關(guān)個體的真實 面貌產(chǎn)生差異。這些都會給管理帶來不便，而手動更新需要用戶人群的配合。假如準(zhǔn) 確真實的人臉老化模擬可以實現(xiàn)，那么就能夠更新不便配合人群的樣本，比如嫌疑犯 或行動不便人員等。
實現(xiàn)對年齡魯棒的人臉識別系統(tǒng)。現(xiàn)在的人臉識別系統(tǒng)都還不能解決老化的影 響。 一個系統(tǒng)訓(xùn)練出來以后，對當(dāng)時特定的年齡段人臉圖像識別效果可能會很好，但 是若干年以后系統(tǒng)的識別準(zhǔn)確率就會受到很大的影響。因此，對于人臉圖像的老化模 擬就可以針對上述問題給出一個良好的解決方案。
現(xiàn)有的人臉老化模擬方法主要有四種基于幾何變換的方法，基于平均臉的方 法，基于三維信息的方法和基于統(tǒng)計信息的方法。
4幾何變換的方法主要是用坐標(biāo)變換來改變同一個體的生物器官以獲得其不同形
態(tài)，由參考文獻U1: Thompson D. W.. On Growth and Form.: Cambridge: Cambridge Univ. Press。 1961;參考文獻[2]: Pittenger J. B. and Shaw R. E. :Aging Faces as Viscal-Elastic Events: Implications for a Theory of Nonrigid Shape PerceptionlJ] 。 Experimental Psychology: Human Perception and Performance, 1975, Vl(4): 374-382;參考文獻[3]: Pittenger J. B. and Shaw R. E., and Mark L. S. Perceptual Information for the Age Level of Faces as a Higher Order Invariant of Growth[Jj 。 Experimental Psychology: Human Perception and Performance, 1979， V5(3): 478-493可以知道，幾何變 換主要有兩禾中坐標(biāo)變化"shear strain"和"cardioidal strain"，其中，shear strain 是一種平行于物體表面的拉伸變換，cardioidal strain是一種可以逼近人臉隨年齡 變化的面部和頭骨輪廓的幾何變換，"cardioidal strain"在人臉輪廓老化模擬方面 更勝一籌?；谶@種坐標(biāo)變化方法的人臉老化模擬只對人臉的外形、輪廓等特征進行 處理，而沒有研究可以證明，這種方法可以處理紋理特征的變化。
基于平均臉的方法主要利用不同年齡段的平均臉和漫畫算法來進行人臉老化模 擬。由參考文獻[4]: Burt D. M. and Perrett D. I. Perception of Age in Adult Caucasian Male Faces: Compter Graphic Manipulation of Shape and Color Information[J]。 Proc. Royal Soc. London, 1995， V259:137-143?？梢缘玫剑?該方法主要通過計箅25~29歲年齡段和50~54歲年齡段人臉圖像在色彩和外形上 的差距，把這些差距按照某種算法折中后應(yīng)用于其他個體某年齡的圖像上后，就可以 得到需要的特定年齡段的老化模擬圖像。在基于平均臉的方法中，Burt利用老年組 圖像和人臉庫中所有圖像的色彩差異，然后利用一種漫畫算法來擴大這種差距，從而 實現(xiàn)人臉的老化模擬；而這種方法只能模擬出來人臉在老年時的圖像，不能模擬人臉 在其他年齡段的圖像。
基于三維信息的方法使用更為豐富的三維人臉信息，利用漫畫算法、主成分分 析(principal component analysis,簡稱為PCA)、三維輪廓模型等方法來進行 人臉老化模擬，可以取得不錯的效果。由參考文獻問O'Toole丄，Vetter T., Volz H.， et al。 Three Dimensional Caricatures of Human Heads: Distinctiveness andPerception of Age[Jj. Perception, 1997， V26:719-732;參考文獻[6j: O'Toole J., Price T.， Vetter T., et al。 3D Shape and 2D Surface Textures of Human Faces: The'Role'of "Averages in Attractiveness and Age"J]。 Image and Vision Computing, 1999， V18(l):9-20;參考文獻[7]: Choi Changseok. Age Change for Predicting Future Faces [A] 。 Proceedings of IEEE International Fuzzy Systems Conference[C]。 1999:1603-1608?？芍@種方法需要基于詳 細的三維人臉特征的，這種特征只能通過三維掃描儀獲得，其代價和執(zhí)行時間限制了 這種方法的廣泛應(yīng)用。
基于統(tǒng)計信息的方法通過對大量數(shù)據(jù)的統(tǒng)計學(xué)習(xí)，利用某種模型模擬年齡變化 對人臉圖像的影響，主要有基于ASM的灰度和輪廓人臉模型等。由參考文獻[8]: Lanitis A., Taylor C. J,， and Cootes T. F. Modeling the Process of Aging in Face Images[A]。 Proceedings of IEEE ICCV99[C]。 1999, VI: 131-136;參考 文獻[9]:Lanitis A.， Taylor C. J., and Cootes T. F. Towards Automatic Simulation of Aging Effects on Face Images[J] 。 IEEE Trans on PAMI， 2002, V24(4):442-456;參考文獻[10]: Ramanathan N. and Chellappa R. Face Verification Across Age Progression[J]。 IEEE Trans on Image Processing。 2006， V15(ll):3349-3361?？芍?，Lanitis A和Taylor C.J.提出了一個基于ASM 的灰度和輪廓人臉模型，他們利用此模型將人臉圖像歸一為一種平均臉，并利用PCA 提取特征向量，該模型不僅可以處理年齡變化，而且可以處理光照、姿態(tài)等影響。利 用此模型提取了對年齡變化敏感的特征向量，文中提出了一種多項式形式的年齡老化 公式，通過一種神經(jīng)網(wǎng)絡(luò)的算法來訓(xùn)練此公式，得以模擬不同年齡的老化人臉圖像和 估計測試圖像的年齡。大多數(shù)情況，無論是定性還是定量，其模擬結(jié)果均優(yōu)于傳統(tǒng) PCA方法，伹對于和訓(xùn)練庫中任何個體均不相像的個體無法達到理想的效果，例如 不同于訓(xùn)練庫的人種以及有遮擋的情況。Narayanan Ramanathan和Rama Chellappa提出了一種顱面成長模型可以模擬從幼年到成年的人臉成長過程，此模 型的靈感來自"cardioidal strain"，利用標(biāo)記點來定義收集到的人臉成長過程中的形 狀信息，釆用線性和非線性兩種約束來表達人臉老化過程，纟艮據(jù)其實驗結(jié)果，此方法 可以較好的解決從幼年到成年的人臉老化模擬問題；伹此方法沒有考慮到灰度、紋理等特征。這種基于統(tǒng)計信息的方法可以實現(xiàn)更真實可信的人臉老化，莫擬效果。 發(fā)明 內(nèi) 容
本發(fā)明的目的是減少年齡因素對人臉識別的影響，以及預(yù)測由年齡變化造成的人 臉圖像變化。提供一種快速、效果真實可信的人臉老化模擬方法。為實現(xiàn)上述目的， 本發(fā)明提供了一種基于人臉超分辨的人臉老化模擬方法，由于人臉圖像是高度結(jié)構(gòu)化 的，具有結(jié)構(gòu)相似性。當(dāng)人臉圖像被降低分辨率，大部分高頻信息丟失了，但是對人 臉圖像超分辨技術(shù)的研究表明，人臉圖像的特征空間維度對于圖像分辨率并不敏感， 也就是說圖像分辨率并不會對人臉識別結(jié)果造成太大的影響。Moghaddam的實驗 表明當(dāng)人臉圖像的分辨率被降低到12*21像素的時候，在由選自FERET的1800 多幅人臉圖像組成的數(shù)據(jù)庫上的識別率仍然高達95%以上。這也就是說，低分辨率 人臉圖像依然帶有身份信息。
通常的基于學(xué)習(xí)的超分辨方法，需要有對應(yīng)的低分辨率和高分辨率圖像數(shù)據(jù)庫， 兩個數(shù)據(jù)庫中的圖像一一對應(yīng)，分別各為對方的低分辨率和高分辨率圖像。超分辨算 法通過學(xué)習(xí)兩個數(shù)據(jù)庫中的信息，對新的輸入低分辨率圖像進行映射及重建。根據(jù)上 面的討論，低分辨圖像的高頻信息所剩無幾，也就是說紋理信息已經(jīng)很少，但其身份 信息仍然保留。如果能將高分辨率圖像數(shù)據(jù)庫換成目標(biāo)老化年齡的高分辨人臉庫，那 么超分辨方法應(yīng)該可以保留并利用從低分辨圖像中提取的身份信息，學(xué)習(xí)目標(biāo)老化年 齡的面部紋理信息并映射到原低分辨率人臉圖像上，從而實現(xiàn)老化模擬的效果。例如， 以年齡段A！的人臉圖像組作為低分辨率圖像數(shù)據(jù)庫，以年齡段A2的人臉圖像組作為 高分辨率圖像數(shù)據(jù)庫來訓(xùn)練超分辨算法。當(dāng)給定年齡段為A,的某人臉圖像時，首先
將其降低分辨率，然后通過已經(jīng)訓(xùn)練好的超分辨算法處理，則可以得到此人在年齡段 八2時的人臉模擬圖像。此方法過程如下所示
步驟一歸一化處理人臉圖像；
步驟二訓(xùn)練各年齡段超分辨率方法；
步驟三降低輸入圖像分辨率；
步驟四進行指定年齡段的人臉超分辨率處理。
上述技術(shù)方案中，人臉老化模擬結(jié)果的年齡粒度取決于訓(xùn)練人臉圖像庫的年齡段 劃分，訓(xùn)練年齡段劃分粒度越小，則結(jié)果年齡越精細。上述技術(shù)方案中，還包括在進行人臉超分辨之前應(yīng)將所有人臉圖像歸一化至同一 形狀同一大小，其中所述歸一化操作應(yīng)在人臉圖像被使用之前。 本發(fā)明的優(yōu)點在于
(1) 可以應(yīng)用各種基于學(xué)習(xí)的人臉超分辨率方法；
(2) 僅針對紋理進行處理，運算速度快；
(3) 基于學(xué)習(xí)，結(jié)果更加真實可信。 附圖說 明


圖1為基于人臉超分辨的人臉老化模擬方法流程； 圖2為本征轉(zhuǎn)換Eigentransformation人臉超分辨算法示意圖； 圖3為采用本發(fā)明方法和本征轉(zhuǎn)換Eigentransformation，從青年到中老年的 人臉老化模擬結(jié)果；
圖4為采用本發(fā)明方法和本征轉(zhuǎn)換Eigentransfomiation，從中老年到青年的 人臉老化模擬結(jié)果。
具體實施例方式
下面結(jié)合附圖和具體實施方式
對本發(fā)明做進一步詳細說明。
圖1示出了本發(fā)明的基于人臉超分辨的人臉老化模擬具體實施流程
步驟一歸一化處理人臉圖像；
對人臉圖像進行歸一化處理，包括直方圖均衡、圖片大小歸一化等。其中，直方 圖均衡即通過對人臉圖像的直方圖進行非線性拉伸，重新分配圖像像素值，使一定灰 度范圍內(nèi)的像素數(shù)量大致相同，從而實現(xiàn)了把原始圖像的灰度直方圖從比較集中的某 個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。圖片大小歸一化即將圖像中人臉部分 截取為指定大小。在將圖像截取為指定大小時，可采用根據(jù)眼睛位置定位的方法，也 可進一步將人臉圖像通過薄板樣條插值轉(zhuǎn)化至平均臉形狀。
步驟二訓(xùn)練各年齡段超分辨率方法；
用不同年齡段的人臉數(shù)據(jù)集來訓(xùn)練人臉超分辨率算法，以備選用。該訓(xùn)練過程主 要是指通過使用PCA算法來構(gòu)造本征臉空間，年齡段劃分越細致，即年齡段中年齡
跨度越小，則可以得到越精確的年齡的人臉老化模擬結(jié)果。 本征臉的具體計算過程如下用一個"X附階矩陣[(,…,『M]來保存一個人臉圖像數(shù)據(jù)集，其中，"為每個人臉
圖像的像素數(shù)，w和M為訓(xùn)練人臉數(shù)據(jù)集中人臉圖像的個數(shù)，通常情況下"》W， M取大于1的正整數(shù)。利用該訓(xùn)練矩陣可以很容易的計算出該人臉數(shù)據(jù)集的平均臉
<formula>formula see original document page 9</formula>(i)
其中，〖為上述"乂附階矩陣[/";,...,。所表示的人臉圖像數(shù)據(jù)集中第i個人臉圖
像的像素按列連接成的列向量。從每個人臉圖像矢量中減去平均臉可得
<formula>formula see original document page 9</formula> (2)
其中，示,為平均臉，腳標(biāo)/取自然數(shù)[l,…,M]，[(',…,&]表示每個人臉圖像與平 均臉的差值，接下來可以從協(xié)方差矩陣『中計箅出標(biāo)準(zhǔn)正交的特征向量矩陣，即特 征臉空間。
<formula>formula see original document page 9</formula> (3) 但是從『中直接計算特征向量矩陣并不實際，因為矩陣『通常過于龐大。可以 先對一個比較小的矩陣i = H進行計算
(,=仏 (4) 此處K為特征向量矩陣，而八,為特征值矩陣，在式(4)兩端各左乘Z得 CLL7')丄K (5) 因此C二Z^的特征向量五,可以從式(5)中得出
<formula>formula see original document page 9</formula>(6)
PCA采用一系列加入權(quán)重的本征臉來描述人臉圖像。將給定人臉圖像jf,投影到 本征臉空間,可得參數(shù)向量
<formula>formula see original document page 9</formula> (7)
利用此參數(shù)向量和^:個本征臉，原人臉圖像可以被重建。如果用^表示重建的低 分辨率的人臉圖像，貝ij巧可以表示為
巧(8) 其中￡/為特征向量矩陣，示,為人臉數(shù)據(jù)集的平均臉。 步驟三降低輸入圖像分辨率；
通過將輸入圖像降釆樣至低分辨率，使人臉圖像紋理信息損失，為步驟四中用人臉超分辨率方法重建、填補指定年齡段的臉部紋理信息做準(zhǔn)備。 步驟四進行指定年齡段的人臉超分辨率處理；
利用訓(xùn)練好的人臉超分辨率方法，將指定年齡的臉部紋理信息填補進低分辨率輸 入人臉圖像，從而得到人臉老化模擬圖像?？梢允褂玫娜四槼直媛史椒ㄊ腔趯W(xué)習(xí)
的人臉超分辨率方法，在本實施例中以本征轉(zhuǎn)換Eigentransformation為例，描述
人臉圖像超分辨的具體實施過程。
本征轉(zhuǎn)換Eigentransformation的超分辨率方法可以通過在兩個訓(xùn)練集之間的
映射關(guān)系來實現(xiàn)人臉圖像的超分辨率。該方法采用PCA來表現(xiàn)人臉圖像的結(jié)構(gòu)相似
性，通過一種轉(zhuǎn)換函數(shù)來實現(xiàn)低分辨率和高分辨率訓(xùn)練樣本之間的映射。在經(jīng)由PCA
提取的特征空間，不同頻率的信息成分是不相關(guān)的，通過選擇本征臉(eigenface)
的數(shù)量，可以在去除噪聲的同時最大限度的提取人臉信息。
圖2說明了本征轉(zhuǎn)換Eigentransformation超分辨率算法的流程
首先，對輸入的低分辨率人臉圖像使用PCA來獲得參數(shù)向量h，c2,…,cJ7 ，
該參數(shù)向量[c^2,…,c^;f是將輸入圖像投影到本征臉空間獲得的，如公式(1)
所示；其中，&^2,...， 為輸入圖像在本征臉空間的投影坐標(biāo)。
然后，保持參數(shù)向量不變，將低分辨率人臉圖像訓(xùn)練得到的特^E向量集轉(zhuǎn)換成對 應(yīng)的高分辨率人臉圖像訓(xùn)練得到的特征向量集，則可以獲得初步的近似的超分辨率結(jié) 果；具體來說，特征轉(zhuǎn)換的目的在于，基于PCA提取的特征參數(shù)在低分辨率人臉庫 和高分辨率人臉庫之間建立一種映射關(guān)系。由公式(6)和(8)可得
<formula>formula see original document page 10</formula>
其中，5 = ^八,—^,-[c,，C2,…, f ，則公式(9)還可以被改寫為
<formula>formula see original document page 10</formula> (10)
這表明了輸入的低分辨率圖像可以由低分辨率圖像訓(xùn)練庫中M個圖像的線性組 合恢復(fù)出來。此處5反映了訓(xùn)練庫中每個圖像對重建圖像的貢獻，即權(quán)值。其中，〖' 表示低分辨率的人臉圖像，將〖'替換為對應(yīng)的高分辨率圖像《，并用高分辨率的平均 臉 代替示,可得
<formula>formula see original document page 10</formula> (11)則、應(yīng)為所需的由低分辨率重建出來的高分辨率圖像。
接著，再在高分辨率的本征臉空間進行一次PCA投影變換，并對獲得的主成份
元進行參數(shù)約束，以減少甚至消除扭曲和噪聲影響；
具體來說，由于噪聲干擾，通過本征轉(zhuǎn)換Eigentransformation所得的圖像還
不能完全真實的逼近真實的高分辨率圖像，它需要滿足兩個約束條件首先，它必須 可以通過模糊化等處理得到原低分辨率圖像；其次，它需要在高分辨率的條件下與人 臉圖像相象。對第一個約束條件來說，公式(9)表明了在不考慮噪聲得情況下，低 分辨率圖像和高分辨率圖像之間的線性近似線性運算關(guān)系，對于訓(xùn)練集，
<formula>formula see original document page 11</formula> (13) 其中//為高分辨率圖像01到低分辨率圖像的線性運算符,(和《分別為低分辨率 和高分辨率的訓(xùn)練圖像，和;^分別為低分辨率和高分辨率的平均臉。 將公式(12)和(13)代入公式(10)和(11)，即可得到
<formula>formula see original document page 11</formula>
由于巧是對低分辨率輸入圖像足的優(yōu)化重建，所以可見降低分辨率后&可以得
到^的比較好的近似，即Eigentransformation所得的圖像可以通過模糊化得到原 分辨率圖像。
對第二個約束條件來說，公式(11)表明&是高分辨率人臉圖像的線性組合， 因此它必然是與人臉圖像相象的。但是，由于5并非由高分辨率圖像數(shù)據(jù)庫所產(chǎn)生， 某些與人臉圖像不相象的扭曲所產(chǎn)生的噪聲也是不可避免的。如果利用高分辨率人臉 數(shù)據(jù)庫的特征臉空間對&進行重建，則應(yīng)該可以減輕這些噪聲。
取A為從高分辨率人臉圖像數(shù)據(jù)庫中計算得來的特征向量矩陣，將&在高分辨 率特征臉空間進行投影
<formula>formula see original document page 11</formula>(15)
記W (/)為&在高分辨率特征臉空間的投影坐標(biāo)&中的主成份元。如果W/l (!)遠 大于高分辨率特征臉對應(yīng)的特征值義,，則有可能引入了某些非人臉的、與人臉不相關(guān)
的扭曲所導(dǎo)致的噪聲；否則，則表明沒有引入噪聲，^包含的均為人臉相關(guān)的信息。在重建人臉圖像之前，為降低噪聲，在主成份元上進行如下約束
<formula>formula see original document page 12</formula>
其中，約束參數(shù)a為正實數(shù)，也就是說把u^/)限制在aVI,的范圍內(nèi)，利用經(jīng)過 限制的A來在高分辨率特征臉空間上重建出最終的超分辨率圖像。
最后，經(jīng)過圖像重建獲得最終的人臉圖像超分辨率結(jié)果。
盡管本實施中以本征轉(zhuǎn)換Eigentransformation為例進行人臉超分辨率處理， 但本領(lǐng)域的技術(shù)人員很容易利用其他基于學(xué)習(xí)的人臉超分辨率方法來實現(xiàn)人臉老化 模擬。
圖3、圖4為使用本發(fā)明方法，以及本征轉(zhuǎn)換Eigentransformation人臉超分 辨率方法得到的人臉老化模擬結(jié)果，所釆用的人臉老化數(shù)據(jù)庫為FG-NET(Faceand Gesture Recognition Research Network) 。 FG-NET人臉老化數(shù)據(jù)庫是眾多人臉 數(shù)據(jù)庫中僅有的幾個比較適合人臉老化，莫擬和年齡識別研究，且可以對所有研究者公 開、可以免費獲得的數(shù)據(jù)庫之一，該數(shù)據(jù)庫是作為歐盟的FG-NET項目的一部分建 立的。該數(shù)據(jù)庫已公布的A部分包含來自82個個體的1002幅人臉圖像，年齡范圍 為0-62歲。圖3為從青年到中老年的人臉老化模擬結(jié)果，從20副測試人臉的老化 模擬結(jié)果中抽取了4組結(jié)果，圖中共4列，其中男性和女性各2組，第l行為原青 年測試圖像、第2行為青年到中老年人臉老化模擬結(jié)果，第3行為該個體在中老年 時的真實人臉圖像。圖3為從中老年到青年的人臉老化模擬結(jié)果，從20副測試人臉 的老化模擬結(jié)果中抽取了 4組結(jié)果，圖中共4列，其中男性和女性各2組，第1行 是原中老年測試圖像、第2行是中老年到青年人臉老化模擬結(jié)果，第3行是該個體 在青年時的真實人臉圖像。從實驗結(jié)果來看，本發(fā)明方法可以真實有效的進行人臉老
化模擬。
權(quán)利要求
1、一種基于人臉超分辨率處理的人臉老化模擬方法，該方法包括以下步驟步驟一歸一化處理人臉圖像；對人臉圖像進行歸一化處理，包括直方圖均衡、圖片大小歸一化；步驟二訓(xùn)練各年齡段超分辨率方法；用不同年齡段的人臉數(shù)據(jù)集來訓(xùn)練人臉超分辨率算法，以備選用；該方法中的訓(xùn)練過程是指通過使用PCA算法來構(gòu)造本征臉空間，年齡段劃分越細致，即年齡段中年齡跨度越小，則得到越精確的年齡的人臉老化模擬結(jié)果；在經(jīng)由PCA提取的特征空間，不同頻率的信息成分是不相關(guān)的，通過選擇本征臉的數(shù)量，在去除噪聲的同時最大限度的提取人臉信息；步驟三降低輸入圖像分辨率；通過將輸入圖像降采樣至低分辨率，使人臉圖像紋理信息損失，為步驟四中用人臉超分辨率方法重建、填補指定年齡段的臉部紋理信息做準(zhǔn)備；其特征在于，步驟四進行指定年齡段的人臉超分辨率處理；利用已訓(xùn)練過的人臉超分辨率方法，將指定年齡的臉部紋理信息填補進低分辨率輸入人臉圖像，從而得到人臉老化模擬圖像；所述的人臉超分辨率方法是基于學(xué)習(xí)的人臉超分辨率方法，本發(fā)明中采用本征轉(zhuǎn)換Eigentransfromation；所述的本征轉(zhuǎn)換Eigentransformation超分辨率算法的流程首先，對輸入的低分辨率人臉圖像使用PCA來獲得參數(shù)向量[c1，c2，…，cM]T；該參數(shù)向量[c1，c2，…，cM]T是將輸入圖像投影到本征臉空間獲得的，其中，c1，c2，...，cM為輸入圖像在本征臉空間的投影坐標(biāo)；然后，保持參數(shù)向量不變，將低分辨率人臉圖像訓(xùn)練得到的特征向量集轉(zhuǎn)換成對應(yīng)的高分辨率人臉圖像訓(xùn)練得到的特征向量集，獲得初步的近似的超分辨率結(jié)果；其中，腳標(biāo)l取自然數(shù)[1，...，M]，表示重建的低分辨率的人臉圖像，為人臉數(shù)據(jù)集的平均臉，L為從每個人臉圖像矢量中減去平均臉?biāo)@得的矩陣，Vl為特征向量矩陣，人，為特征值矩陣，為參數(shù)向量，則上述公式被改寫為其中，反映了訓(xùn)練庫中每個圖像對重建圖像的貢獻，即權(quán)值；其中，表示低分辨率的人臉圖像，將替換為對應(yīng)的高分辨率圖像，并用高分辨率的平均臉代替人臉數(shù)據(jù)集的平均臉得到其中，為所需的由低分辨率重建出來的高分辨率圖像；接著，再在高分辨率的本征臉空間進行一次PCA投影變換，并對獲得的主成份元進行參數(shù)約束；最后，經(jīng)過圖像重建獲得最終的人臉圖像超分辨率結(jié)果。
2、根據(jù)權(quán)利要求1所述的一種基于人臉超分辨率處理的人臉老化模擬方法，其特征 在于步驟四中所述的PCA投影變換，該方法中通過PCA投影變換所得的圖像滿足 兩個約束條件條件一，該圖像通過模糊化處理得到原低分辨率圖像；條件二，該圖像在高分辨率的條件下與人臉圖像相象。
全文摘要
本發(fā)明公開了一種基于人臉超分辨率處理的人臉老化模擬方法，該方法包括歸一化處理人臉圖像；訓(xùn)練各年齡段超分辨率方法；降低輸入圖像分辨率；進行指定年齡段的人臉超分辨率處理，即利用訓(xùn)練好的人臉超分辨率方法，將指定年齡的臉部紋理信息填補進低分辨率輸入人臉圖像，從而得到人臉老化模擬圖像?？梢允褂玫娜四槼直媛史椒ㄊ腔趯W(xué)習(xí)的人臉超分辨率方法，本發(fā)明采用本征轉(zhuǎn)換Eigentransformation。本發(fā)明可以應(yīng)用各種基于學(xué)習(xí)的人臉超分辨方法；本發(fā)明利用基于學(xué)習(xí)的人臉超分辨，可以真實可信的進行人臉老化模擬；且本發(fā)明僅考慮人臉紋理變化，計算速度快。
文檔編號G06K9/00GK101425138SQ200810226629
公開日2009年5月6日 申請日期2008年11月18日 優(yōu)先權(quán)日2008年11月18日
發(fā)明者姜方圓, 王蘊紅, 偉 耿 申請人:北京航空航天大學(xué)