摘要
提出一个基于学习的人脸图像超分辨率算法 该算法采用可操纵金字塔学习人脸图像中的低层次局部特征的空间分布 ,并结合塔状的父结构和局部最优匹配算法来预测最佳先验模型 ;然后将先验模型结合到贝叶斯最大后验概率框架中 ;最后使用最速下降法求出最优的高分辨率人脸图像 实验结果表明 。
A new learning based super resolution algorithm for face images is presented In the first step, steerable pyramid is used to capture low level local features in face images, and then these features are combined with pyramid like parent structure and locally best matching to predict the best prior In the second step, the prior is integrated into Bayesian maximum a posteriori (MAP) framework Finally, steepest descent method is used to obtain the optimal high resolution face image The effectiveness of our approach is demonstrated by extensive experimental results with high quality predicted face images
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2004年第7期953-961,共9页
Journal of Computer-Aided Design & Computer Graphics
基金
国家自然科学基金 ( 60 2 72 0 3 1)
国家重点基础研究发展规划项目( 2 0 0 2CB3 12 10 1)
浙江省自然科学基金 (ZD0 2 12 )
教育部博士点基金 ( 2 0 0 10 3 3 5 0 49)资助
关键词
人脸图像超分辨率
可操纵金字塔
父结构
局部最优匹配
贝叶斯估计
super resolution for face images
steerable pyramid
parent structure
locally best matching
Bayesian estimation
