面向极低质量监控图像的鲁棒性人脸超分辨率研究

项目名称： 面向极低质量监控图像的鲁棒性人脸超分辨率研究

项目编号： No.61172173

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 无线电电子学、电信技术

项目作者： 胡瑞敏

作者单位： 武汉大学

项目金额： 65万元

中文摘要： 近年来国家安全形势日趋复杂，各类大案要案多发于光照条件极其恶劣的夜间，监控录像十分模糊，无法满足刑侦业务辨识的需要。传统人脸超分辨率方法以处理前后像素相似性为基础构建相似度函数，夜间图像重建质量因像素噪声而急剧下降。针对这一问题，申请者研究了影响算法鲁棒性的原因，提出在全局脸超分辨率算法中引入人脸形状语义相似度准则，减少算法对像素有效性的依赖，提高全局脸算法的鲁棒性。其次，在基于流形学习的局部脸超分辨率算法中引入流形投影，通过训练在噪声条件下保持流形结构不变的投影矩阵，提高局部脸算法鲁棒性。最后，将形状语义相似度与流形投影扩展到基于张量的多模态人脸超分辨率算法中，通过构建形状语义张量和流形投影张量，提高多模态算法鲁棒性。相关研究成果预期将图像重建主客观质量分别提高1个MOS分和0.6dB，尝试解决城市视频监控系统应用中的重大技术问题，显著提升视频监控系统的实际使用效能。

中文关键词： 形状语义模型；局部约束模型；高分辨率约束；后验张量模型；人脸超分辨率技术

英文摘要：

英文关键词： shape semantic model；locality constrained model；high resolution constraint；posterior tensor model；face super resolution