基于2D-PCA特征描述的非负权重邻域嵌入人脸超分辨率重建算法

来源：电子与信息学报杂志2015年第4期北京时间：

作者：曹明明, 干宗良, 崔子冠, 李然, 朱秀昌

摘要：在基于邻域嵌入人脸图像的超分辨率重建算法中，训练和重建均在特征空间进行，因此，特征选择对算法性能具有较大影响。另外，算法模型对重建权重未加限定，导致负数权重出现而产生过拟合效应，使得重建人脸图像质量衰退。考虑到人脸图像的特征选择以及权重符号限定的重要作用，该文提出一种基于2维主成分分析(2D- PCA)特征描述的非负权重邻域嵌入人脸超分辨率重建算法。首先将人脸图像分成若干子块，利用K均值聚类获得图像子块的局部视觉基元，并利用得到的局部视觉基元对图像子块分类。然后，利用2D-PCA对每一类人脸图像子块提取特征，并建立高、低分辨率样本库。最后，在重建过程中使用新的非负权重求解方法求取权重。仿真实验结果表明，相比其他基于邻域嵌入人脸超分辨率重建方法，所提算法可有效提高权重的稳定性，减少过拟合效应，其重建人脸图像具有较好的主客观质量。

关键词：图像处理, 人脸超分辨率重建, 邻域嵌入, 局部视觉基元, 2维主成分分析

基金资助：国家自然科学基金(61071091, 61071166, 60802021)，江苏省研究生培养创新工程(CXZZ12_0470)，江苏省自然科学青年基金(BK20130867)， 江苏省高校自然科学研究项目(12KJB510019)和南京邮电大学校科研基金(NY212015)资助课题