低质量无约束人脸图像下的超分辨率摆正
来源：计算机应用杂志2017年第11期北京时间：
作者：孙强, 谭晓阳
单位：南京航空航天大学 计算机科学与技术学院, 南京 210016
摘要：针对人脸识别算法准确率受面部姿态、遮挡、图像分辨率等因素影响的问题，提出一种超分辨率摆正的方法，作用于低质量无约束输入图像上，生成高清晰度标准正面视图。主要通过估计输入图像与3D模型间的投影矩阵，产生标准正面视图，通过人脸对称性的特点，补全由于姿态、遮挡等原因所产生的面部缺失像素。在摆正过程中，为了提高图像分辨率以及避免面部像素信息丢失，引入一个16层的深度递归卷积神经网络进行超分辨率重构；并提出两个扩展：递归监督和跳跃链接，来降低网络训练难度以及缩小模型体量。在经过处理的LFW数据集上实验表明，该方法对人脸识别和性别检测算法的性能具有显著提升作用。
关键词：人脸识别,人脸摆正,3D重建,超分辨率重构,深度递归卷积神经网络
基金资助：国家自然科学基金资助项目（61373060，61672280）；青蓝工程。
