本發(fā)明涉及數(shù)字圖像處理和模式識(shí)別，更具體的說(shuō)是涉及一種基于實(shí)用退化模型實(shí)現(xiàn)人臉超分辨率的方法。

背景技術(shù)：

1、人臉超分辨率（fsr）技術(shù)旨在將低分辨率（lr）人臉圖像通過(guò)算法重建為高分辨率（hr）圖像，這對(duì)于人臉識(shí)別、人臉?lè)指畹葢?yīng)用至關(guān)重要。由于拍攝條件、設(shè)備限制和傳輸過(guò)程中的壓縮，獲取到的人臉圖像常常面臨分辨率不足的問(wèn)題，導(dǎo)致后續(xù)處理任務(wù)的復(fù)雜性增加。

2、早期的fsr方法主要依賴于傳統(tǒng)的圖像處理技術(shù)，如雙三次插值和雙線性插值等上采樣技術(shù)。這些方法雖然在一定程度上提高了圖像分辨率，但往往無(wú)法有效恢復(fù)圖像的細(xì)節(jié)信息，特別是在圖像模糊和噪聲問(wèn)題上表現(xiàn)不佳。

3、隨著統(tǒng)計(jì)建模和學(xué)習(xí)推斷技術(shù)的發(fā)展，諸如貝葉斯方法、凸優(yōu)化和主成分分析（pca）等方法被引入到fsr中，以改善圖像重建的效果。然而，這些傳統(tǒng)方法在處理復(fù)雜場(chǎng)景下的人臉圖像時(shí)，仍然存在表征能力有限的問(wèn)題。

4、近年來(lái)，深度學(xué)習(xí)技術(shù)的興起，尤其是卷積神經(jīng)網(wǎng)絡(luò)（cnns）的發(fā)展，為人臉超分辨率帶來(lái)了新的突破。研究者們提出了多種基于cnn的網(wǎng)絡(luò)模型來(lái)實(shí)現(xiàn)人臉圖像的超分辨率重建。這些方法通過(guò)學(xué)習(xí)低分辨率和高分辨率圖像之間的映射關(guān)系，顯著提高了重建圖像的質(zhì)量。同時(shí)，人臉先驗(yàn)信息，如面部地標(biāo)和熱力圖，也被整合到模型中，以增強(qiáng)人臉輪廓的重建效果。

5、盡管如此，現(xiàn)有技術(shù)在處理真實(shí)場(chǎng)景中的人臉圖像時(shí)仍面臨挑戰(zhàn)。現(xiàn)實(shí)世界中的人臉圖像退化通常是由多種因素共同作用的結(jié)果，包括噪聲、模糊、壓縮偽影等?，F(xiàn)有的退化模型往往采用固定的退化核或簡(jiǎn)單的退化過(guò)程，這些模型無(wú)法全面捕捉真實(shí)世界中圖像退化的復(fù)雜性。此外，單一的退化方法或固定參數(shù)的模型難以適應(yīng)多變的實(shí)際場(chǎng)景，限制了超分辨率算法的泛化能力和魯棒性。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于實(shí)用退化模型實(shí)現(xiàn)人臉超分辨率的方法，通過(guò)模擬實(shí)際場(chǎng)景中的圖像退化效果，包括高斯噪聲、瑞利噪聲、運(yùn)動(dòng)模糊、椒鹽噪聲和均值模糊等，以隨機(jī)策略選擇不同的退化過(guò)程。此外，在退化過(guò)程中還采用了隨機(jī)參數(shù)來(lái)調(diào)整退化程度，擴(kuò)大了退化空間，提高了模型上限。本發(fā)明還包括一個(gè)雙分支注意力機(jī)制，其中上分支采用多頭自注意力機(jī)制捕獲全局和局部關(guān)聯(lián)信息，下分支采用雙層路由注意力機(jī)制提煉關(guān)鍵特征，兩者結(jié)合提高超分辨率重建的魯棒性。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、一種基于實(shí)用退化模型實(shí)現(xiàn)人臉超分辨率的方法，包括以下步驟：

4、利用實(shí)用退化模型模擬實(shí)際場(chǎng)景中的圖像退化效果，得到模擬圖像；

5、利用不同卷積核的卷積塊提取模擬圖像不同尺度的特征信息，得到不同尺度下的層次特征；

6、利用雙分支網(wǎng)絡(luò)結(jié)構(gòu)對(duì)不同尺度下的層次特征進(jìn)行深度特征提取，將提取到的特征信息進(jìn)行融合，經(jīng)過(guò)scconv卷積塊進(jìn)行卷積操作，得到融合后的特征圖，完成人臉圖像重建。

7、可選的，實(shí)用退化模型以隨機(jī)策略選擇不同的退化過(guò)程，包括高斯噪聲、瑞利噪聲、運(yùn)動(dòng)模糊、椒鹽噪聲和均值模糊。

8、可選的，在雙分支結(jié)構(gòu)的上路分支中，采用多頭注意力模型。

9、可選的，在下路分支中采用雙層路由注意力機(jī)制。

10、經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種基于實(shí)用退化模型實(shí)現(xiàn)人臉超分辨率的方法，具有以下有益效果：

11、1、本發(fā)明方法設(shè)計(jì)合理，實(shí)現(xiàn)便捷，具有良好的遷移性。

12、2、本發(fā)明提出的實(shí)用退化模型更貼合現(xiàn)實(shí)場(chǎng)景中人臉圖像的退化，更適合人臉圖像的超分辨率網(wǎng)絡(luò)。

13、3、本發(fā)明的人臉超分辨率在廣泛使用的helen、scut_fbp和pfhq數(shù)據(jù)集上取得了良好的定量和定性結(jié)果，具有廣泛的實(shí)際應(yīng)用潛力。

技術(shù)特征：

1.一種基于實(shí)用退化模型實(shí)現(xiàn)人臉超分辨率的方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于實(shí)用退化模型實(shí)現(xiàn)人臉超分辨率的方法，其特征在于，實(shí)用退化模型以隨機(jī)策略選擇不同的退化過(guò)程，包括高斯噪聲、瑞利噪聲、運(yùn)動(dòng)模糊、椒鹽噪聲和均值模糊。

3.根據(jù)權(quán)利要求1所述的一種基于實(shí)用退化模型實(shí)現(xiàn)人臉超分辨率的方法，其特征在于，在雙分支結(jié)構(gòu)的上路分支中，采用多頭注意力模型。

4.根據(jù)權(quán)利要求1所述的一種基于實(shí)用退化模型實(shí)現(xiàn)人臉超分辨率的方法，其特征在于，在下路分支中采用雙層路由注意力機(jī)制。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于實(shí)用退化模型實(shí)現(xiàn)人臉超分辨率的方法，涉及數(shù)字圖像處理和模式識(shí)別技術(shù)領(lǐng)域，利用實(shí)用退化模型模擬實(shí)際場(chǎng)景中的圖像退化效果，得到模擬圖像；利用不同卷積核的卷積塊提取模擬圖像不同尺度的特征信息，得到不同尺度下的層次特征；利用雙分支網(wǎng)絡(luò)結(jié)構(gòu)對(duì)不同尺度下的層次特征進(jìn)行深度特征提取，將提取到的特征信息進(jìn)行融合，經(jīng)過(guò)SCConv卷積塊進(jìn)行卷積操作，得到融合后的特征圖，完成人臉圖像重建。該方法不僅提升了圖像的重建質(zhì)量和視覺(jué)效果，還具備良好的魯棒性和適應(yīng)性，能夠廣泛應(yīng)用于實(shí)際場(chǎng)景中的人臉圖像處理和增強(qiáng)任務(wù)。

技術(shù)研發(fā)人員：查冰鑫,楊勝英,雷景生,周武杰,郎婷婷,強(qiáng)芳芳,張麗娟,甘興利
受保護(hù)的技術(shù)使用者：浙江科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21