人脸图像超分辨率的自适应流形学习方法

作     者：张雪松 江静 彭思龙 Zhang Xuesong;Jiang Jing;Peng Silong

作者机构：中国科学院自动化研究所国家专用集成电路设计工程技术研究中心北京100190 华北科技学院机械与电气工程系北京101601 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2008年第20卷第7期

页      面：856-863页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家科技支撑计划重点项目(2006BAK07B04) 

主　　题：人脸图像 超分辨率 局部保持投影 流形学习 非监督学习 

摘      要：样本规模与使用方法是基于学习的超分辨率中的一个重要问题.面向人脸图像超分辨率重建,提出一种基于局部保持投影(LPP)的自适应流形学习方法.由于能够揭示隐含在高维图像空间中的非线性结构,LPP是一种可以在局部人脸流形上分析其内在特征的、有效的流形学习方法.通过在LPP特征子空间中动态搜索出与输入图像块最相似的像素块集合作为学习样本,实现了自适应样本选择,并且利用动态样本集合通过基于像素块的特征变换方法有效地恢复出低分辨率人脸图像中缺失的高频成分.实验结果证实:通过在局部人脸流形上自适应地选择学习样本,文中方法可以仅使用相对少量的样本来获得很好的超分辨率重建结果.