基于GoLPP的人脸超分辨率算法实现与实验分析

杨海迎

（云南机电职业技术学院 云南省昆明市 650203）

1 实验环境及评判标准

1.1 实验平台

实验对于硬件的要求不是很高，我们在intel (R) Core i5 CPU,2G DDR3 的硬件环境下进行实验，在 Window 7 操作系统下即可实现本文的算法。由于图像数据量大，以字节型存储，综合各方面考虑，本文选用Matlab7.0 作为实验平台，采用Matlab 编程语言完成算法的实现。

1.2 人脸库说明与评判标准

本文实验在中科院的CAS-PEAL 人脸数据库[1]上进行。CASPEAL 人脸数据库包括1040 个人的正面图像，男性595 人，女性445 人，每个人有不同光照、表情、距离、附加物（眼镜）的正面图像，一共9954 张图像。本文采用均匀光照、正常表情下的正面无附加物人脸库Gallery 作为训练集和测试集，Gallery 总共有1040幅正面图像，我们随机挑选800 幅作为训练集，其余的240 幅作为测试集。在试验之前，首先要把训练集和测试集里的正面图像进行预处理，原始图像的大小为120×96，因为每幅人脸都是正面图像，并且包括头发、衣服等其他黑色区域，首先定位到眼睛区域，再通过水平投影和垂直投影找到眼睛的最复杂区域，即眼球中心，用白点标识。通过旋转、平移变换，让所有的图像的眼睛都在一条线上，裁剪出人脸区域并缩放成统一大小的人脸图像。本文经过预处理后的图像大小为112×96，裁剪后的人脸如图1所示。在本文中，下采样因子为4，下采样后的低分辨率图像的尺寸为28×24，GoLPP的迭代终止阈值ξ=0.001。

图1：图像预处理

在残差补偿的实验中，我们没有采用更多的人脸图像来训练，而直接使用训练集中的每一幅图像作为输入，用输入以外的其他训练图像来完成全局重建。……