数据驱动局部特征转换的噪声人脸幻构

计算机应用 ›› 2014, Vol. 34 ›› Issue (12): 3576-3579.

数据驱动局部特征转换的噪声人脸幻构

董小慧¹,²,高戈¹,²,陈亮¹,²,韩镇¹,²,江俊君¹,²

1. 武汉大学国家多媒体工程技术研究中心,武汉 430072
2. 武汉大学计算机学院,武汉 430072

收稿日期:2014-06-17 修回日期:2014-08-08 发布日期:2014-12-31 出版日期:2014-12-01
通讯作者: 董小慧
作者简介:董小慧(1988-）,女,湖北黄冈人,硕士研究生,主要研究方向:视频图像处理；高戈(1973-）,男,湖北武汉人,副教授,博士,主要研究方向:音视频信号编码与处理；陈亮(1988-）,女,河南南阳人,博士研究生,主要研究方向:图像处理、模式识别；韩镇(1980-）,男,湖北十堰人,讲师,博士,主要研究方向:视频图像编码与处理；江俊君(1986-）,男,湖北大冶人,博士研究生,主要研究方向:视频图像处理。
基金资助:
国家自然科学基金资助重点项目;国家自然科学基金资助项目;国家自然科学基金资助项目;中国博士后科学基金;湖北省重大科技创新计划;粤港关键领域重点突破项目;教育部高校博士点基金新教师类项目;武汉市科技攻关计划项目

Noise face hallucination via data-driven local eigentransformation

DONG Xiaohui¹,²,GAO Ge¹,²,CHEN Liang¹,²,HAN Zhen¹,²,JIANG Junjun¹,²

1. National Engineering Research Center for Multimedia Software, Wuhan University, Wuhan Hubei 430072, China;
2. School of Computer, Wuhan University, Wuhan Hubei 430072, China

Received:2014-06-17 Revised:2014-08-08 Online:2014-12-31 Published:2014-12-01
Contact: DONG Xiaohui

摘要/Abstract

摘要：

针对线性主成分分析方法无法有效揭示非线性人脸图像统计特性的问题,提出一种基于数据驱动局部特征转换的(DLE)人脸幻构。首先,选取与输入图像块最相似的训练样本块；然后,利用基于图像块的特征转换算法对高低分辨率训练样本块间的关系进行建模；最后,利用后处理进程对重建结果进行优化。实验结果表明所提算法对低分辨率图像,尤其是含噪声人脸图像,有更好的主观重建效果,在客观评价指标上比局部约束表示方法提高1.81dB。该算法能有效实现监控人脸图像超分辨率增强。

Abstract:

Concerning the problem that the linear eigentransformation method cannot capture the statistical properties of the nonlinear facial image, a Data-driven Local Eigentransformation (DLE) method for face hallucination was proposed. Firstly, some samples most similar to the input image patch were searched. Secondly, a patch-based eigentransformation method was used for modeling the relationship between the Low-Resolution (LR) and High-Resolution (HR) training samples. Finally, a post-processing approach refined the hallucinated results. The experimental results show the proposed method has better visual performance as well as 1.81dB promotion over method of locality-constrained representation in objective evaluation criterion for face image especially with noise. This method can effectively hallucinate surveillant facial images.

中图分类号:

TP391.41

董小慧高戈陈亮韩镇江俊君. 数据驱动局部特征转换的噪声人脸幻构[J]. 计算机应用, 2014, 34(12): 3576-3579.

DONG Xiaohui GAO Ge CHEN Liang HAN Zhen JIANG Junjun. Noise face hallucination via data-driven local eigentransformation[J]. Journal of Computer Applications, 2014, 34(12): 3576-3579.

参考文献

［1］WHEELER F, WEISS R, TU P. Face recognition at a distance system for surveillance applications［C］// Proceedings of the 4th IEEE International Conference on Theory Applications and Systems. Piscataway: IEEE, 2010: 1-8.
［2］BAKER S, KANADE T. Hallucinating faces［C］// Proceedings of the 4th IEEE International Conference on Automatic Face and Gesture Recognition. Piscataway: IEEE, 2000: 83-88.
［3］WANG N, TAO D, GAO X, et al. A comprehensive survey to face hallucination［J］. International Journal of Computer Vision, 2014, 106(1): 9-30.
［4］JIANG J, HU R, HAN Z, et al. Locality-constraint iterative neighbor embedding for face hallucination［C］// Proceedings of the 2013 IEEE International Conference on Multimedia and Expo. Piscataway: IEEE, 2013: 1-6.
［5］WANG X, TANG X. Hallucinating face by eigentransformation［J］. IEEE Transactions on Systems, Man and Cybernetics, Part C: Applications and Reviews, 2005, 35(3): 425-434.
［6］LI X, LAM K, QIU G, et al. Example-based image super-resolution with class-specific predictors［J］. Journal of Visual Communication and Image Representation, 2009, 20(5): 312-322.
［7］CHANG H, YEUNG D, XIONG Y. Super-resolution through neighbor embedding［C］// Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington, DC: IEEE Computer Society, 2004: 275-282.
［8］MA X, ZHANG J, QI C. Hallucinating face by position-patch［J］. Pattern Recognition, 2010, 43(6): 2224-2236.
［9］YANG J, WRIGHT J, HUANG T, et al. Image super-resolution as sparse representation of raw image patches［C］// Proceedings of the 2008 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2008: 1-8.
［10］LI B, CHANG H, SHAN S, et al. Aligning coupled manifolds for face hallucination［J］. Signal Processing Letters, 2009, 16(11): 957-960.
［11］YANG J, WRIGHT J, HUANG T, et al. Image super-resolution via sparse representation［J］. Image Processing, 2010, 19(11): 2861-2873.
［12］JIANG J, HU R, HAN Z, et al. Position-patch based face hallucination via locality-constrained representation［C］// Proceedings of the 2012 IEEE International Conference on Multimedia and Expo. Piscataway: IEEE, 2012: 212-217.
［13］SRIVASTAVA A, LEE A, SIMONCELLI E, et al. On advances in statistical modeling of natural images［J］. Journal of Mathematical Imaging and Vision, 2003, 18(1): 17-33.
［14］KAMBHATLA N, LEEN T. Dimension reduction by local principal component analysis［J］. Neural Computation, 1997, 9(7): 1493-1516.
［15］FAN V, HUANG H, LIANG D, et al. A hybrid parallel projection approach to object-based image restoration［J］. Pattern Recognition Letters, 2006, 27(10): 1045-1053.
［16］LIU C, SHUM H Y, FREEMAN W T. Face hallucination: theory and practice［J］. International Journal of Computer Vision, 2007, 75(1): 115-134.
［17］WANG Z, BOVIK A, SHEIKH H, et al. Image quality assessment: from error visibility to structural similarity［J］. Image Processing, 2004, 13(4): 600-612.
［18］ROWLEY H, BALUJA S, KANADE T. Neural network-based face detection［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(1): 23-38.

[1]	张佳慧李晓明张嘉祥. 强化形态感知的路面缺陷检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	况世雄姚俊波陆佳炜王琪冰肖刚. 基于动态图卷积网络的电梯乘客异常行为数据增强方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	康斌陈斌王俊杰李昱林赵军智咸伟志. 基于多粒度共享语义中心关联的文本到人物检索方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	王子怡李卫军刘雪洋丁建平刘世侠苏易礌. 基于Swin Transformer与多尺度特征融合的图像描述方法#br# [J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	付可意, 王高才, 邬满. 基于改进区域提议网络和特征聚合小样本目标检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3790-3797.
[6]	庞玉东, 李志星, 刘伟杰, 李天昊, 王宁宁. 基于改进实时检测Transformer的塔机上俯视场景小目标检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3922-3929.
[7]	赵欣, 李鑫杰, 徐健, 刘步云, 毕祥. 基于卷积神经网络与Transformer并行的医学图像配准模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3915-3921.
[8]	颜承志陈颖钟凯高寒. 基于多尺度网络与轴向注意力的3D目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[9]	王静刘嘉星宋婉莹薛嘉兴丁温欣. 基于空间变换和特征分布校准的小样本皮肤图像分类模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	廖炎华鄢元霞潘文林. 基于YOLOv9的交通路口图像的多目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	谢斌红剌颖坤张英俊张睿. 自步学习指导下的半监督目标检测框架[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	邹耀斌, 张彬. 四向加权香农熵最大化导向的自动阈值分割方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3565-3573.
[13]	刘涛, 鞠事宏, 高一萌. 基于改进YOLOv8n的无人机视角下小目标检测算法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3603-3609.
[14]	刘雨生, 肖学中. 基于扩散模型微调的高保真图像编辑[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3574-3580.
[15]	胡立华, 李小平, 胡建华, 张素兰. 基于四叉树先验辅助的多视图立体方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3556-3564.