【技术实现步骤摘要】
本专利技术涉及数字图像处理和模式识别，更具体的说是涉及一种基于实用退化模型实现人脸超分辨率的方法。
技术介绍
1、人脸超分辨率（fsr）技术旨在将低分辨率（lr）人脸图像通过算法重建为高分辨率（hr）图像，这对于人脸识别、人脸分割等应用至关重要。由于拍摄条件、设备限制和传输过程中的压缩，获取到的人脸图像常常面临分辨率不足的问题，导致后续处理任务的复杂性增加。
2、早期的fsr方法主要依赖于传统的图像处理技术，如双三次插值和双线性插值等上采样技术。这些方法虽然在一定程度上提高了图像分辨率，但往往无法有效恢复图像的细节信息，特别是在图像模糊和噪声问题上表现不佳。
3、随着统计建模和学习推断技术的发展，诸如贝叶斯方法、凸优化和主成分分析（pca）等方法被引入到fsr中，以改善图像重建的效果。然而，这些传统方法在处理复杂场景下的人脸图像时，仍然存在表征能力有限的问题。
4、近年来，深度学习技术的兴起，尤其是卷积神经网络（cnns）的发展，为人脸超分辨率带来了新的突破。研究者们提出了多种基于cnn的网络模型来实现人脸图像的超分辨率重建。这些方法通过学习低分辨率和高分辨率图像之间的映射关系，显著提高了重建图像的质量。同时，人脸先验信息，如面部地标和热力图，也被整合到模型中，以增强人脸轮廓的重建效果。
5、尽管如此，现有技术在处理真实场景中的人脸图像时仍面临挑战。现实世界中的人脸图像退化通常是由多种因素共同作用的结果，包括噪声、模糊、压缩伪影等。现有的退化模型往往采用固定的退化核或简单的退化过程
技术实现思路
1、有鉴于此，本专利技术提供了一种基于实用退化模型实现人脸超分辨率的方法，通过模拟实际场景中的图像退化效果，包括高斯噪声、瑞利噪声、运动模糊、椒盐噪声和均值模糊等，以随机策略选择不同的退化过程。此外，在退化过程中还采用了随机参数来调整退化程度，扩大了退化空间，提高了模型上限。本专利技术还包括一个双分支注意力机制，其中上分支采用多头自注意力机制捕获全局和局部关联信息，下分支采用双层路由注意力机制提炼关键特征，两者结合提高超分辨率重建的鲁棒性。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种基于实用退化模型实现人脸超分辨率的方法，包括以下步骤：
4、利用实用退化模型模拟实际场景中的图像退化效果，得到模拟图像；
5、利用不同卷积核的卷积块提取模拟图像不同尺度的特征信息，得到不同尺度下的层次特征；
6、利用双分支网络结构对不同尺度下的层次特征进行深度特征提取，将提取到的特征信息进行融合，经过scconv卷积块进行卷积操作，得到融合后的特征图，完成人脸图像重建。
7、可选的，实用退化模型以随机策略选择不同的退化过程，包括高斯噪声、瑞利噪声、运动模糊、椒盐噪声和均值模糊。
8、可选的，在双分支结构的上路分支中，采用多头注意力模型。
9、可选的，在下路分支中采用双层路由注意力机制。
10、经由上述的技术方案可知，与现有技术相比，本专利技术提供了一种基于实用退化模型实现人脸超分辨率的方法，具有以下有益效果：
11、1、本专利技术方法设计合理，实现便捷，具有良好的迁移性。
12、2、本专利技术提出的实用退化模型更贴合现实场景中人脸图像的退化，更适合人脸图像的超分辨率网络。
13、3、本专利技术的人脸超分辨率在广泛使用的helen、scut_fbp和pfhq数据集上取得了良好的定量和定性结果，具有广泛的实际应用潜力。
本文档来自技高网...【技术保护点】
1.一种基于实用退化模型实现人脸超分辨率的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于实用退化模型实现人脸超分辨率的方法，其特征在于，实用退化模型以随机策略选择不同的退化过程，包括高斯噪声、瑞利噪声、运动模糊、椒盐噪声和均值模糊。
3.根据权利要求1所述的一种基于实用退化模型实现人脸超分辨率的方法，其特征在于，在双分支结构的上路分支中，采用多头注意力模型。
4.根据权利要求1所述的一种基于实用退化模型实现人脸超分辨率的方法，其特征在于，在下路分支中采用双层路由注意力机制。
【技术特征摘要】
1.一种基于实用退化模型实现人脸超分辨率的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于实用退化模型实现人脸超分辨率的方法，其特征在于，实用退化模型以随机策略选择不同的退化过程，包括高斯噪声、瑞利噪声、运动模糊、椒盐噪声和均值模糊。
【专利技术属性】
技术研发人员：查冰鑫，杨胜英，雷景生，周武杰，郎婷婷，强芳芳，张丽娟，甘兴利，
申请(专利权)人：浙江科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。