基于多輸出回歸的超低分辨率人臉重構(gòu)研究.pdf

1、人臉超分辨率重構(gòu)是將低分辨率人臉圖像重構(gòu)為高分辨率圖像的技術(shù)，該技術(shù)在公安、監(jiān)控與電子商務(wù)等系統(tǒng)中具有重要的實(shí)際意義。尺度低于24(24×24)像素的超低分辨率人臉圖像信息缺失比較嚴(yán)重，其重構(gòu)無論是對(duì)機(jī)器自動(dòng)識(shí)別還是對(duì)人工判別都更有價(jià)值，而且超低分辨率人臉重構(gòu)是現(xiàn)有文獻(xiàn)中研究較少的問題。本文研究的核心內(nèi)容為將尺度低于24(24×24)像素的正面人臉圖像重構(gòu)為尺度24的人臉圖像。
　　 針對(duì)目前人臉重構(gòu)系統(tǒng)存在的模型大、重構(gòu)速度慢

2、的實(shí)際情況，本文提出基于貝葉斯多元自適應(yīng)回歸樣條(MARS)模型的分片多輸出回歸算法對(duì)超低分辨率人臉數(shù)據(jù)進(jìn)行回歸。由于本文主要研究超低分辨率人臉圖像重構(gòu)，所涉及數(shù)據(jù)量較少，采用回歸方法實(shí)現(xiàn)重構(gòu)具有模型小、重構(gòu)速度快、結(jié)果準(zhǔn)確的優(yōu)點(diǎn)，因而是最適合的方法。貝葉斯MARS方法采用MARS作為回歸判別函數(shù)，通過貝葉斯學(xué)習(xí)方法和馬爾可夫鏈蒙特卡羅方法確定MARS參數(shù)。與傳統(tǒng)的確定性學(xué)習(xí)方法相比，這種隨機(jī)性學(xué)習(xí)方法在保持了參數(shù)的準(zhǔn)確性的基礎(chǔ)上增強(qiáng)了

3、參數(shù)獲取的魯棒性。準(zhǔn)確的MARS參數(shù)保證了該方法具有較高的重構(gòu)準(zhǔn)確率。采用分片的回歸方法，將每對(duì)低分辨率人臉圖片與其對(duì)應(yīng)的高分辨率人臉圖像進(jìn)行分片，增加模型數(shù)量，減小每個(gè)模型大小，加快重構(gòu)速度。本文給出的實(shí)驗(yàn)從誤差和識(shí)別率兩方面證明了本文方法的重構(gòu)準(zhǔn)確率。
　　 同時(shí)本文研究超低分辨率人臉檢測(cè)、對(duì)齊方法，采用對(duì)低分辨率圖像也很有效的基于Haar特征和AdaBoost分類器的人臉檢測(cè)方法。本文提出一種基于梯度圖像的人臉對(duì)齊算法，使