基于局部约束的人脸图像超分辨率重构算法

朱华生，徐晨光

（南昌工程学院信息工程学院，江西南昌330099）

基于局部约束的人脸图像超分辨率重构算法

朱华生，徐晨光

（南昌工程学院信息工程学院，江西南昌330099）

基于超完备稀疏表示理论，并根据人脸图像的特征，提出一种基于局部约束的人脸图像超分辨率重构算法。该算法首先通过样本训练出一对高、低分辨率相关联的冗余字典；再根据局部范围内人脸图像的相关性，重构出高分辨率图像；最后对图像进行全局优化。为验证算法的有效性，本文利用ORL标准图像库进行了对比实验，实验结果表明，该算法能够有效提高峰值信噪比，同时能够更好地恢复人脸图像的高频信息，有一定的实用价值。

超分辨率重构；稀疏表示；局部约束；人脸图像；K－SVD

1 引 言

随着视频监控系统和数码摄像产品的普及，人脸图像在安全防范、刑事侦察和法庭取证等领域发挥了越来越重要的作用。在实际应用中人们总希望获得高分辨率（High Resolution，HR）人脸图像，因为人脸图像的分辨率越高，可以提供的图像细节越多，对实际应用的价值就越高。但在现实生活中往往获得的是低分辨率（Low Resolution，LR）人脸图像，例如：在视频监控系统中获得的图像，尤其是拍摄距离较远的人物时。因此，如何将低分辨率图像通过图像超分辨率（Super Resolution，SR）重构技术［1－3］构建出高分辨率图像是一个有价值的研究内容。

图像超分辨率重构算法主要分为3种类型，即：基于插值、基于重建和基于学习的重构方法［4－5］。基于插值方法的主要思路是：先对各帧图像之间的相对运动信息进行估计，以获得HR图像在非均匀间距采样点上的像素值，下一步通过非均匀插值得到HR栅格上的像素值，最后通过图像恢复去除模糊以及降低噪声。……