●前言
●第1章 人臉超分辨率的基礎知識
● 1.1 概述
● 1.2 人臉超分辨率的主要算法
● 1.2.1 全局臉算法
● 1.2.2 局部臉算法
● 1.2.3 結合全局和局部臉算法
● 1.2.4 稀疏表示圖像超分辨率
● 1.3 現有算法存在的問題
● 1.4 基於稀疏表示模型的人臉超分辨率研究框架
●第2章 基於K近鄰稀疏編碼均值約束的人臉超分辨率算法
● 2.1 概述
● 2.2 圖像超分辨率的稀疏表示模型
● 2.2.1 圖像的稀疏表示
● 2.2.2 圖像超分辨率重建
● 2.3 K近鄰稀疏編碼均值約束魯棒人臉超分辨率算法
● 2.3.1 基於位置塊的冗餘字典學習算法
● 2.3.2 K近鄰稀疏編碼均值約束項構建
● 2.3.3 正則化參數
● 2.3.4 目標函數優化
●部分目錄
針對當前人臉超分辨率重建過程中存在的重建繫數不一致導致誤差的問題,結合稀疏表示模型,提出或擴展了一繫列新的基於稀疏表示模型的人臉超分辨率算法,提高了稀疏表示準確性,改進了高低分辨率重建繫數的一致性,最終改善了重建結果人臉圖像的主客觀質量。具體包括三方面的工作:第一,從學習字典的訓練方法出發,結合稀疏性和近鄰性特征優勢,構建圖約束正則項,提高字典表達能力,進而改善基於稀疏表示模型的人臉超分辨率算法性能。第二,從高低分辨率重建繫數的映射方法出發,對高低分辨率重建繫數的誤差進行建模,提出在基於稀疏表示的超分辨率算法中引入稀疏編碼噪聲抑制正則項,改進高低分辨率重建繫數的一致性,提高算法的噪聲魯棒性。第三,針對光照對單一像素相似性度量準則影響較大的問題,在稀疏表示相似性度量準則中引入自商圖,構建多形態稀疏表示模型,提高算法對光照魯棒性。