本發(fā)明涉及計算機技術(shù)領(lǐng)域，具體而言，涉及一種人臉幻構(gòu)方法和一種人臉幻構(gòu)系統(tǒng)。

背景技術(shù)：

目前，人臉幻構(gòu)是指對于輸入的低分辨率人臉圖像重建得到其對應(yīng)的高分辨率人臉圖像，從而提升人臉識別、人臉探測等基礎(chǔ)應(yīng)用的性能。為更好地利用對應(yīng)低分辨率圖像和高分辨率圖像塊的關(guān)系，研究人員將鄰域嵌入的超分辨率方法運用在人臉幻構(gòu)上并取得了良好的效果?；诘头直媛屎透叻直媛蕡D像塊對具有相同的局部幾何特征和鄰域關(guān)系的假設(shè)，可以事先分別訓(xùn)練對應(yīng)的高低分辨率的字典，將輸入的低分辨率圖像用低分辨率字典中的圖像塊線性表示，然后將該系數(shù)與對應(yīng)的高分辨率字典中的圖像塊相乘即可得到高分辨率的圖像。

然而，這種人臉幻構(gòu)方法沒有考慮到訓(xùn)練集圖片和輸入的低分辨率圖像的光照情況不匹配的問題，例如，低分辨率圖像由于強光源而在人臉上有明顯的高光和陰影分布，而訓(xùn)練集圖片的光照情況比較柔和，由于不同光照情況下的高頻信息不一致，在重建過程中很難在訓(xùn)練集圖片中找到高度相似的圖像塊，導(dǎo)致高分辨率重建的結(jié)果退化。

因此需要一種新的技術(shù)方案，可以提升重建高分辨率人臉圖片的準(zhǔn)確性。

技術(shù)實現(xiàn)要素：

本發(fā)明正是基于上述問題，提出了一種新的技術(shù)方案，可以提升重建高分辨率人臉圖片的準(zhǔn)確性。

有鑒于此，本發(fā)明的一方面提出了一種人臉幻構(gòu)方法，包括：獲取低分辨率人臉圖片；根據(jù)所述低分辨率人臉圖片的光照分布和細(xì)節(jié)分布，調(diào) 整訓(xùn)練集中的每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布；根據(jù)調(diào)整后的所述每幅訓(xùn)練集圖片，通過鄰域嵌入方法建立高分辨率圖像塊；將所述高分辨率圖像塊進(jìn)行合并，得到高分辨率人臉圖片。

在該技術(shù)方案中，獲取低分辨率人臉圖片后，可以根據(jù)其光照分布和細(xì)節(jié)分布，調(diào)整每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布，使每幅訓(xùn)練集圖片的光照分布與低分辨率人臉圖片的光照分布相同或相近，并使每幅訓(xùn)練集圖片的細(xì)節(jié)分布與低分辨率人臉圖片的細(xì)節(jié)分布相適應(yīng)，這樣，就將低分辨率人臉圖片與每幅訓(xùn)練集圖片放置在了同等光照和細(xì)節(jié)條件下，即可使用鄰域嵌入方法建立高分辨率圖像塊，以合并得到高分辨率人臉圖片。通過該技術(shù)方案，實現(xiàn)了一種光照適應(yīng)的人臉幻構(gòu)方法，使低分辨率人臉圖片與每幅訓(xùn)練集圖片光照一致，從而達(dá)到高頻信息一致，便于進(jìn)行高分辨率重建，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述技術(shù)方案中，優(yōu)選地，在所述調(diào)整訓(xùn)練集中的每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布之前，還包括：調(diào)整所述低分辨率人臉圖片的人臉尺寸，使所述低分辨率人臉圖片的人臉尺寸與所述每幅訓(xùn)練集圖片的人臉尺寸相符；以及通過人臉探測功能和特征標(biāo)記功能，為所述低分辨率人臉圖片和所述每幅訓(xùn)練集圖片劃分五官區(qū)域；通過仿射變換將所述低分辨率人臉圖片與所述每幅訓(xùn)練集圖片的五官區(qū)域?qū)R。

在該技術(shù)方案中，首先調(diào)整低分辨率人臉圖片的大小，使其和訓(xùn)練集圖片具有相同尺寸，通過人臉探測和特征標(biāo)記，根據(jù)五官對每個人臉劃分區(qū)域，并利用仿射變換可以將人臉的嘴部和眼部大致對齊。這一方案是在假設(shè)訓(xùn)練集圖片和低分辨率人臉圖片中的人臉有相似的表情和姿態(tài)的基礎(chǔ)上進(jìn)行的。通過調(diào)整大小、對齊圖片，便于進(jìn)一步進(jìn)行光照和細(xì)節(jié)條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，在所述通過仿射變換將所述低分辨率人臉圖片與所述每幅訓(xùn)練集圖片的五官區(qū)域?qū)R之后，還包括：通過SIFT流為所述每幅訓(xùn)練集圖片的每個像素與所述低分辨率人臉圖片的每一個像素建立稠密映射，以根據(jù)所述稠密映射調(diào)整所述低分辨率人臉圖片的每一個像素的位置。

在該技術(shù)方案中，為了得到更加精確的對齊結(jié)果，采用SIFT(Scale Invariant Feature Transform，尺度不變特征變幻)流將訓(xùn)練集圖片的每一個像素和低分辨率人臉圖片的每一個像素建立稠密映射，低分辨率人臉圖片的像素位置可根據(jù)這一映射關(guān)系調(diào)整，從而將其圖片內(nèi)的低分辨率人臉和訓(xùn)練集圖片內(nèi)的人臉精確對齊，便于進(jìn)一步進(jìn)行光照和細(xì)節(jié)條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，所述根據(jù)所述低分辨率人臉圖片的光照分布和細(xì)節(jié)分布，調(diào)整訓(xùn)練集中的每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布，具體包括：將所述低分辨率人臉圖片和所述每幅訓(xùn)練集圖片分解為細(xì)節(jié)層和光照層；對所述低分辨率人臉圖片和所述每幅訓(xùn)練集圖片的細(xì)節(jié)層進(jìn)行能量分布處理；以及用所述低分辨率人臉圖片的光照層替換所述每幅訓(xùn)練集圖片的光照層，得到調(diào)節(jié)光照分布后的每幅訓(xùn)練集圖片。

在該技術(shù)方案中，可以將低分辨率人臉圖片和每幅訓(xùn)練集圖片分解為細(xì)節(jié)層和光照層，再使用低分辨率人臉圖片的光照層代替每幅訓(xùn)練集圖片的光照層，即可認(rèn)為低分辨率人臉圖片和每幅訓(xùn)練集圖片具有相同的光照條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，所述通過鄰域嵌入方法建立高分辨率圖像塊，具體包括：根據(jù)所述低分辨率人臉圖片的任一圖像塊的線性表出系數(shù)計算高分辨率表出系數(shù)；在高分辨率空間中使用所述高分辨率表出系數(shù)線性表示所述高分辨率圖像塊。

在該技術(shù)方案中，利用鄰域嵌入方法重建高分辨率圖像塊，可使用非局部相似性對重建系數(shù)進(jìn)行約束，從而提升重建高分辨率人臉圖片的準(zhǔn)確性。

本發(fā)明的另一方面提出了一種人臉幻構(gòu)系統(tǒng)，包括：獲取單元，獲取低分辨率人臉圖片；訓(xùn)練集圖片調(diào)整單元，根據(jù)所述低分辨率人臉圖片的光照分布和細(xì)節(jié)分布，調(diào)整訓(xùn)練集中的每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布；圖像塊建立單元，根據(jù)調(diào)整后的所述每幅訓(xùn)練集圖片，通過鄰域嵌入方法建立高分辨率圖像塊；圖像塊合并單元，將所述高分辨率圖像塊進(jìn)行合并，得到高分辨率人臉圖片。

在該技術(shù)方案中，獲取低分辨率人臉圖片后，可以根據(jù)其光照分布和細(xì)節(jié)分布，調(diào)整每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布，使每幅訓(xùn)練集圖片的光照分布與低分辨率人臉圖片的光照分布相同或相近，并使每幅訓(xùn)練集圖片的細(xì)節(jié)分布與低分辨率人臉圖片的細(xì)節(jié)分布相適應(yīng)，這樣，就將低分辨率人臉圖片與每幅訓(xùn)練集圖片放置在了同等光照和細(xì)節(jié)條件下，即可使用鄰域嵌入方法建立高分辨率圖像塊，以合并得到高分辨率人臉圖片。通過該技術(shù)方案，實現(xiàn)了一種光照適應(yīng)的人臉幻構(gòu)方法，使低分辨率人臉圖片與每幅訓(xùn)練集圖片光照一致，從而達(dá)到高頻信息一致，便于進(jìn)行高分辨率重建，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述技術(shù)方案中，優(yōu)選地，還包括：人臉尺寸調(diào)整單元，在所述調(diào)整訓(xùn)練集中的每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布之前，調(diào)整所述低分辨率人臉圖片的人臉尺寸，使所述低分辨率人臉圖片的人臉尺寸與所述每幅訓(xùn)練集圖片的人臉尺寸相符；區(qū)域劃分單元，通過人臉探測功能和特征標(biāo)記功能，為所述低分辨率人臉圖片和所述每幅訓(xùn)練集圖片劃分五官區(qū)域；區(qū)域?qū)R單元，通過仿射變換將所述低分辨率人臉圖片與所述每幅訓(xùn)練集圖片的五官區(qū)域?qū)R。

在該技術(shù)方案中，首先調(diào)整低分辨率人臉圖片的大小，使其和訓(xùn)練集圖片具有相同尺寸，通過人臉探測和特征標(biāo)記，根據(jù)五官對每個人臉劃分區(qū)域，并利用仿射變換可以將人臉的嘴部和眼部大致對齊。這一方案是在假設(shè)訓(xùn)練集圖片和低分辨率人臉圖片中的人臉有相似的表情和姿態(tài)的基礎(chǔ)上進(jìn)行的。通過調(diào)整大小、對齊圖片，便于進(jìn)一步進(jìn)行光照和細(xì)節(jié)條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，還包括：像素對齊單元，在所述通過仿射變換將所述低分辨率人臉圖片與所述每幅訓(xùn)練集圖片的五官區(qū)域?qū)R之后，通過SIFT流為所述每幅訓(xùn)練集圖片的每個像素與所述低分辨率人臉圖片的每一個像素建立稠密映射，以根據(jù)所述稠密映射調(diào)整所述低分辨率人臉圖片的每一個像素的位置。

在該技術(shù)方案中，為了得到更加精確的對齊結(jié)果，采用SIFT(Scale Invariant Feature Transform，尺度不變特征變幻)流將訓(xùn)練集圖片的每一 個像素和低分辨率人臉圖片的每一個像素建立稠密映射，低分辨率人臉圖片的像素位置可根據(jù)這一映射關(guān)系調(diào)整，從而將其圖片內(nèi)的低分辨率人臉和訓(xùn)練集圖片內(nèi)的人臉精確對齊，便于進(jìn)一步進(jìn)行光照和細(xì)節(jié)條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，所述訓(xùn)練集圖片調(diào)整單元包括：分層單元，將所述低分辨率人臉圖片和所述每幅訓(xùn)練集圖片分解為細(xì)節(jié)層和光照層；細(xì)節(jié)層調(diào)整單元，對所述低分辨率人臉圖片和所述每幅訓(xùn)練集圖片的細(xì)節(jié)層進(jìn)行能量分布處理；以及光照層調(diào)整單元，用所述低分辨率人臉圖片的光照層替換所述每幅訓(xùn)練集圖片的光照層，得到調(diào)節(jié)光照分布后的每幅訓(xùn)練集圖片。

在該技術(shù)方案中，可以將低分辨率人臉圖片和每幅訓(xùn)練集圖片分解為細(xì)節(jié)層和光照層，再使用低分辨率人臉圖片的光照層代替每幅訓(xùn)練集圖片的光照層，即可認(rèn)為低分辨率人臉圖片和每幅訓(xùn)練集圖片具有相同的光照條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，所述圖像塊建立單元包括：系數(shù)計算單元，根據(jù)所述低分辨率人臉圖片的任一圖像塊的線性表出系數(shù)計算高分辨率表出系數(shù)；圖像塊表出單元，在高分辨率空間中使用所述高分辨率表出系數(shù)線性表出所述高分辨率圖像塊。

在該技術(shù)方案中，利用鄰域嵌入方法重建高分辨率圖像塊，可使用非局部相似性對重建系數(shù)進(jìn)行約束，從而提升重建高分辨率人臉圖片的準(zhǔn)確性。

通過以上技術(shù)方案，實現(xiàn)了一種光照適應(yīng)的人臉幻構(gòu)方法，使低分辨率人臉圖片與每幅訓(xùn)練集圖片光照一致，從而達(dá)到高頻信息一致，便于進(jìn)行高分辨率重建，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

附圖說明

圖1示出了根據(jù)本發(fā)明的一個實施例的人臉幻構(gòu)方法的流程圖；

圖2示出了根據(jù)本發(fā)明的一個實施例的人臉幻構(gòu)系統(tǒng)的框圖；

圖3示出了根據(jù)本發(fā)明的另一個實施例的人臉幻構(gòu)方法的流程圖。

具體實施方式

為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點，下面結(jié)合附圖和具體實施方式對本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)描述。需要說明的是，在不沖突的情況下，本申請的實施例及實施例中的特征可以相互組合。

在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可以采用其他不同于在此描述的其他方式來實施，因此，本發(fā)明的保護(hù)范圍并不受下面公開的具體實施例的限制。

圖1示出了根據(jù)本發(fā)明的一個實施例的人臉幻構(gòu)方法的流程圖。

如圖1所示，根據(jù)本發(fā)明的一個實施例的人臉幻構(gòu)方法，包括：

步驟102，獲取低分辨率人臉圖片；

步驟104，根據(jù)所述低分辨率人臉圖片的光照分布和細(xì)節(jié)分布，調(diào)整訓(xùn)練集中的每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布；

步驟106，根據(jù)調(diào)整后的所述每幅訓(xùn)練集圖片，通過鄰域嵌入方法建立高分辨率圖像塊；

步驟108，將所述高分辨率圖像塊進(jìn)行合并，得到高分辨率人臉圖片。

在該技術(shù)方案中，獲取低分辨率人臉圖片后，可以根據(jù)其光照分布和細(xì)節(jié)分布，調(diào)整每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布，使每幅訓(xùn)練集圖片的光照分布與低分辨率人臉圖片的光照分布相同或相近，并使每幅訓(xùn)練集圖片的細(xì)節(jié)分布與低分辨率人臉圖片的細(xì)節(jié)分布相適應(yīng)，這樣，就將低分辨率人臉圖片與每幅訓(xùn)練集圖片放置在了同等光照和細(xì)節(jié)條件下，即可使用鄰域嵌入方法建立高分辨率圖像塊，以合并得到高分辨率人臉圖片。通過該技術(shù)方案，實現(xiàn)了一種光照適應(yīng)的人臉幻構(gòu)方法，使低分辨率人臉圖片與每幅訓(xùn)練集圖片光照一致，從而達(dá)到高頻信息一致，便于進(jìn)行高分辨率重建，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述技術(shù)方案中，優(yōu)選地，在步驟104之前，還包括：調(diào)整所述低分辨率人臉圖片的人臉尺寸，使所述低分辨率人臉圖片的人臉尺寸與所述每幅訓(xùn)練集圖片的人臉尺寸相符；以及通過人臉探測功能和特征標(biāo)記功能，為所述低分辨率人臉圖片和所述每幅訓(xùn)練集圖片劃分五官區(qū)域；通過仿射變換將所述低分辨率人臉圖片與所述每幅訓(xùn)練集圖片的五官區(qū)域?qū)R。

在該技術(shù)方案中，首先調(diào)整低分辨率人臉圖片的大小，使其和訓(xùn)練集圖片具有相同尺寸，通過人臉探測和特征標(biāo)記，根據(jù)五官對每個人臉劃分區(qū)域，并利用仿射變換可以將人臉的嘴部和眼部大致對齊。這一方案是在假設(shè)訓(xùn)練集圖片和低分辨率人臉圖片中的人臉有相似的表情和姿態(tài)的基礎(chǔ)上進(jìn)行的。通過調(diào)整大小、對齊圖片，便于進(jìn)一步進(jìn)行光照和細(xì)節(jié)條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，在所述通過仿射變換將所述低分辨率人臉圖片與所述每幅訓(xùn)練集圖片的五官區(qū)域?qū)R之后，還包括：通過SIFT流為所述每幅訓(xùn)練集圖片的每個像素與所述低分辨率人臉圖片的每一個像素建立稠密映射，以根據(jù)所述稠密映射調(diào)整所述低分辨率人臉圖片的每一個像素的位置。

在該技術(shù)方案中，為了得到更加精確的對齊結(jié)果，采用SIFT(Scale Invariant Feature Transform，尺度不變特征變幻)流將訓(xùn)練集圖片的每一個像素和低分辨率人臉圖片的每一個像素建立稠密映射，低分辨率人臉圖片的像素位置可根據(jù)這一映射關(guān)系調(diào)整，從而將其圖片內(nèi)的低分辨率人臉和訓(xùn)練集圖片內(nèi)的人臉精確對齊，便于進(jìn)一步進(jìn)行光照和細(xì)節(jié)條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，步驟104具體包括：將所述低分辨率人臉圖片和所述每幅訓(xùn)練集圖片分解為細(xì)節(jié)層和光照層；對所述低分辨率人臉圖片和所述每幅訓(xùn)練集圖片的細(xì)節(jié)層進(jìn)行能量分布處理；以及用所述低分辨率人臉圖片的光照層替換所述每幅訓(xùn)練集圖片的光照層，得到調(diào)節(jié)光照分布后的每幅訓(xùn)練集圖片。

在該技術(shù)方案中，可以將低分辨率人臉圖片和每幅訓(xùn)練集圖片分解為細(xì)節(jié)層和光照層，再使用低分辨率人臉圖片的光照層代替每幅訓(xùn)練集圖片的光照層，即可認(rèn)為低分辨率人臉圖片和每幅訓(xùn)練集圖片具有相同的光照條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，步驟106具體包括：根據(jù)所述低分辨率人臉圖片的任一圖像塊的線性表出系數(shù)計算高分辨率表出系數(shù)；在高分辨率空間中使用所述高分辨率表出系數(shù)線性表示所述高分辨率圖像塊。

在該技術(shù)方案中，利用鄰域嵌入方法重建高分辨率圖像塊，可使用非局部相似性對重建系數(shù)進(jìn)行約束，從而提升重建高分辨率人臉圖片的準(zhǔn)確性。

圖2示出了根據(jù)本發(fā)明的一個實施例的人臉幻構(gòu)系統(tǒng)的框圖。

如圖2所示，根據(jù)本發(fā)明的一個實施例的人臉幻構(gòu)系統(tǒng)200，包括：獲取單元202、訓(xùn)練集圖片調(diào)整單元204、圖像塊建立單元206和圖像塊合并單元208。

其中，獲取單元202用于獲取低分辨率人臉圖片；訓(xùn)練集圖片調(diào)整單元204用于根據(jù)低分辨率人臉圖片的光照分布和細(xì)節(jié)分布，調(diào)整訓(xùn)練集中的每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布；圖像塊建立單元206用于根據(jù)調(diào)整后的每幅訓(xùn)練集圖片，通過鄰域嵌入方法建立高分辨率圖像塊；圖像塊合并單元208用于將高分辨率圖像塊進(jìn)行合并，得到高分辨率人臉圖片。

在該技術(shù)方案中，獲取低分辨率人臉圖片后，可以根據(jù)其光照分布和細(xì)節(jié)分布，調(diào)整每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布，使每幅訓(xùn)練集圖片的光照分布與低分辨率人臉圖片的光照分布相同或相近，并使每幅訓(xùn)練集圖片的細(xì)節(jié)分布與低分辨率人臉圖片的細(xì)節(jié)分布相適應(yīng)，這樣，就將低分辨率人臉圖片與每幅訓(xùn)練集圖片放置在了同等光照和細(xì)節(jié)條件下，即可使用鄰域嵌入方法建立高分辨率圖像塊，以合并得到高分辨率人臉圖片。通過該技術(shù)方案，實現(xiàn)了一種光照適應(yīng)的人臉幻構(gòu)方法，使低分辨率人臉圖片與每幅訓(xùn)練集圖片光照一致，從而達(dá)到高頻信息一致，便于進(jìn)行高分辨率重建，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述技術(shù)方案中，優(yōu)選地，還包括：人臉尺寸調(diào)整單元210、區(qū)域劃分單元212和區(qū)域?qū)R單元214。

其中，人臉尺寸調(diào)整單元210用于在調(diào)整訓(xùn)練集中的每幅訓(xùn)練集圖片的光照分布和細(xì)節(jié)分布之前，調(diào)整低分辨率人臉圖片的人臉尺寸，使低分辨率人臉圖片的人臉尺寸與每幅訓(xùn)練集圖片的人臉尺寸相符；區(qū)域劃分單元212用于通過人臉探測功能和特征標(biāo)記功能，為低分辨率人臉圖片和每幅訓(xùn)練集圖片劃分五官區(qū)域；區(qū)域?qū)R單元214用于通過仿射變換將低分辨率人臉圖片與每幅訓(xùn)練集圖片的五官區(qū)域?qū)R。

在該技術(shù)方案中，首先調(diào)整低分辨率人臉圖片的大小，使其和訓(xùn)練集圖片具有相同尺寸，通過人臉探測和特征標(biāo)記，根據(jù)五官對每個人臉劃分區(qū)域，并利用仿射變換可以將人臉的嘴部和眼部大致對齊。這一方案是在假設(shè)訓(xùn)練集圖片和低分辨率人臉圖片中的人臉有相似的表情和姿態(tài)的基礎(chǔ)上進(jìn)行的。通過調(diào)整大小、對齊圖片，便于進(jìn)一步進(jìn)行光照和細(xì)節(jié)條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，還包括：像素對齊單元216，用于在通過仿射變換將低分辨率人臉圖片與每幅訓(xùn)練集圖片的五官區(qū)域?qū)R之后，通過SIFT流為每幅訓(xùn)練集圖片的每個像素與低分辨率人臉圖片的每一個像素建立稠密映射，以根據(jù)稠密映射調(diào)整低分辨率人臉圖片的每一個像素的位置。

在該技術(shù)方案中，為了得到更加精確的對齊結(jié)果，采用SIFT(Scale Invariant Feature Transform，尺度不變特征變幻)流將訓(xùn)練集圖片的每一個像素和低分辨率人臉圖片的每一個像素建立稠密映射，低分辨率人臉圖片的像素位置可根據(jù)這一映射關(guān)系調(diào)整，從而將其圖片內(nèi)的低分辨率人臉和訓(xùn)練集圖片內(nèi)的人臉精確對齊，便于進(jìn)一步進(jìn)行光照和細(xì)節(jié)條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，訓(xùn)練集圖片調(diào)整單元204包括：分層單元2042、細(xì)節(jié)層調(diào)整單元2044和光照層調(diào)整單元2046。

其中，分層單元2042用于將低分辨率人臉圖片和每幅訓(xùn)練集圖片分解為細(xì)節(jié)層和光照層；細(xì)節(jié)層調(diào)整單元2044用于對低分辨率人臉圖片和每幅訓(xùn)練集圖片的細(xì)節(jié)層進(jìn)行能量分布處理；以及光照層調(diào)整單元2046用于用低分辨率人臉圖片的光照層替換每幅訓(xùn)練集圖片的光照層，得到調(diào)節(jié)光照分布后的每幅訓(xùn)練集圖片。

在該技術(shù)方案中，可以將低分辨率人臉圖片和每幅訓(xùn)練集圖片分解為細(xì)節(jié)層和光照層，再使用低分辨率人臉圖片的光照層代替每幅訓(xùn)練集圖片的光照層，即可認(rèn)為低分辨率人臉圖片和每幅訓(xùn)練集圖片具有相同的光照條件，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

在上述任一技術(shù)方案中，優(yōu)選地，圖像塊建立單元206包括：系數(shù)計 算單元2062和圖像塊表出單元2064。

其中，系數(shù)計算單元2062用于根據(jù)低分辨率人臉圖片的任一圖像塊的線性表出系數(shù)計算高分辨率表出系數(shù)；圖像塊表出單元2064用于在高分辨率空間中使用高分辨率表出系數(shù)線性表出高分辨率圖像塊。

在該技術(shù)方案中，利用鄰域嵌入方法重建高分辨率圖像塊，可使用非局部相似性對重建系數(shù)進(jìn)行約束，從而提升重建高分辨率人臉圖片的準(zhǔn)確性。

圖3示出了根據(jù)本發(fā)明的另一個實施例的人臉幻構(gòu)方法的流程圖。

如圖3所示，根據(jù)本發(fā)明的另一個實施例的人臉幻構(gòu)方法，包括：

步驟302，輸入低分辨率圖片和訓(xùn)練集圖片序列。

步驟304，將低分辨率圖片和訓(xùn)練集圖片人臉對齊。

首先，認(rèn)定訓(xùn)練集圖片和低分辨率圖片中的人臉有相似的表情和姿態(tài)。這樣，將輸入的低分辨率圖片上插，使其和訓(xùn)練集圖片具有相同尺寸，通過人臉探測和特征標(biāo)記，根據(jù)五官對每個人臉劃分區(qū)域，利用仿射變換可以將人臉的嘴部和眼部大致對齊。為了得到更加精確的對齊結(jié)果，可采用SIFT流將訓(xùn)練集圖片的每一個像素和輸入的低分辨率圖片的每一個像素建立稠密映射，輸入的低分辨率圖片的像素位置可根據(jù)這一映射關(guān)系調(diào)整從而將輸入的低分辨率人臉和訓(xùn)練集人臉精確對齊，并將這一對齊過程定義為函數(shù)M。

步驟306，將低分辨率圖片和訓(xùn)練集圖片分解為細(xì)節(jié)層和光照層。

具體來說，以訓(xùn)練集圖片Y_t為例，使用下式進(jìn)行光照分離：

其中，l＝1時S_l[Y_t]為圖片Y_t減去光照層，即Y_t-Y_tG(σ)為細(xì)節(jié)層，保留了圖像的原始特征和細(xì)節(jié)部分，為細(xì)節(jié)層，l＝2時Y_tG(σ)為光照層，主要體現(xiàn)了圖片的光照分布。相似地，輸入的低分辨率圖片X_t也可以用相同的方法分解。

步驟308，根據(jù)低分辨率圖片的細(xì)節(jié)層能量分布調(diào)整訓(xùn)練集圖片的細(xì)節(jié)層，并將訓(xùn)練集圖片的光照層替換為對齊后的低分辨率圖片的光照層。

具體來說，對訓(xùn)練集圖片的兩層采取不同的方法處理。

對于細(xì)節(jié)層，應(yīng)用能力計算公式計算下式得到訓(xùn)練集圖片Y_t的細(xì)節(jié)層能量圖E₁[Y_t]:

為了使訓(xùn)練集圖片的能量分布和輸入的低分辨率圖片相似，對Y_t的細(xì)節(jié)層進(jìn)行以下變換，作為處理后圖像O的細(xì)節(jié)層：

其中，M為在步驟304中定義的對齊操作函數(shù)，ε為常數(shù)。為了補償訓(xùn)練集圖片的光照總量，直接使用對齊后的低分辨率圖片的光照層作為處理后圖片O的光照層，即：

S₂[O]＝M(S₂[X_t])

最終經(jīng)過光照調(diào)整的訓(xùn)練集圖片O由下式可得：

O＝S_l[O]+S₂[O]

步驟310，合并處理后的光照層和細(xì)節(jié)層，擴充訓(xùn)練集。

步驟312，利用非局部相似性使用鄰域嵌入方法重建高分辨率圖像塊。

具體來說，鄰域嵌入方法是建立在認(rèn)定低分辨率圖片和高分辨率圖像塊對有相同的幾何特征的基礎(chǔ)上的，高分辨率圖像塊可以在高分辨率空間中用在低分辨率空間中估計出的系數(shù)線性表出。相似的圖像塊應(yīng)該有相似的線性表出方式，根據(jù)這一特點，可約束高分辨率圖像塊的線性表出系數(shù)，從而提高求解系數(shù)的精確性。對于低分辨率輸入圖片X_t中的圖像塊x_t，首先利用非局部相似性對圖像塊x_t的線性表出系數(shù)α做出估計β。

其估計方法如下：在X_t中通過k-NN算法搜尋X_t的非局部相似塊(包括x_t)構(gòu)成集合，集合Ω中所有圖像塊的最近鄰構(gòu)成集合將該集合中出現(xiàn)頻率最高的K個圖像塊構(gòu)成集合N_l，使用N_l線性表出Ω中的每個圖像塊其系數(shù)α_i可以利用的關(guān)系計算得到。

由此對α做出估計β：

其中，w_i是歸一化后的權(quán)重，其數(shù)值取決于x_t和的距離，W為歸一化因子，h為一常數(shù)。另外，系數(shù)α可利用的關(guān)系計算得到。

最后，再利用低分辨率最近鄰N_l在訓(xùn)練集中對應(yīng)的高分辨率最近鄰N_h，得到重建后的高分辨率圖像塊Y_t:

Y_t＝N_hα

步驟314，輸出高分辨率圖片，即合并所有重建后的圖像塊，得到高分辨率圖像Y。

綜上，本發(fā)明提出了一種光照適應(yīng)的基于鄰域嵌入的人臉幻構(gòu)方法，主要針對輸入的低分辨率圖片和訓(xùn)練集圖片光照條件不一致的情況，算法主要由三個步驟組成。首先，考慮到光源引起的高光和陰影在人臉上的不同分布，訓(xùn)練集的人臉需要利用SIFT流和輸入的低分辨率圖片中的人臉建立稠密映射，從而將人臉精確對齊。然后，通過對訓(xùn)練集中的人臉分為細(xì)節(jié)層和光照層，

根據(jù)輸入人臉的光照情況分別對訓(xùn)練集人臉的兩層采取不同處理，使訓(xùn)練集中人臉的光照情況和輸入的低分辨率圖片中人臉的光照情況一致。最后，利用鄰域嵌入的方法重建高分辨率圖像塊，并用非局部相似性對重建系數(shù)進(jìn)行約束。具體地，本發(fā)明在鄰域嵌入的框架基礎(chǔ)上，考慮到訓(xùn)練集和輸入的低分辨率圖片光照情況不一致的情形，通過對訓(xùn)練集和輸入圖片光照分離，將輸入的低分辨率圖片的人臉的光照分布遷移到訓(xùn)練集圖片的人臉上，并且保留原始的訓(xùn)練集圖片的人臉特征，從而將原始訓(xùn)練集擴充。

以上結(jié)合附圖詳細(xì)說明了本發(fā)明的技術(shù)方案，通過本發(fā)明的技術(shù)方案，實現(xiàn)了一種光照適應(yīng)的人臉幻構(gòu)方法，使低分辨率人臉圖片與每幅訓(xùn)練集圖片光照一致，從而達(dá)到高頻信息一致，便于進(jìn)行高分辨率重建，提升了重建高分辨率人臉圖片的準(zhǔn)確性。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。