基于多輸出回歸的超低分辨率人臉重構研究.pdf

1、人臉超分辨率重構是將低分辨率人臉圖像重構為高分辨率圖像的技術，該技術在公安、監(jiān)控與電子商務等系統(tǒng)中具有重要的實際意義。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重，其重構無論是對機器自動識別還是對人工判別都更有價值，而且超低分辨率人臉重構是現(xiàn)有文獻中研究較少的問題。本文研究的核心內容為將尺度低于24(24×24)像素的正面人臉圖像重構為尺度24的人臉圖像。
　　 針對目前人臉重構系統(tǒng)存在的模型大、重構速度慢

2、的實際情況，本文提出基于貝葉斯多元自適應回歸樣條(MARS)模型的分片多輸出回歸算法對超低分辨率人臉數(shù)據(jù)進行回歸。由于本文主要研究超低分辨率人臉圖像重構，所涉及數(shù)據(jù)量較少，采用回歸方法實現(xiàn)重構具有模型小、重構速度快、結果準確的優(yōu)點，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)，通過貝葉斯學習方法和馬爾可夫鏈蒙特卡羅方法確定MARS參數(shù)。與傳統(tǒng)的確定性學習方法相比，這種隨機性學習方法在保持了參數(shù)的準確性的基礎上增強了

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