基于流形学习的人脸图像超分辨率技术研究

您当前的位置：

首页 >

文章列表页 >

基于流形学习的人脸图像超分辨率技术研究

信息光学与图像处理 | 更新时间：2025-09-01

- 基于流形学习的人脸图像超分辨率技术研究
- The research of face super-resolution based on manifold learning
- 光学技术 2009年35卷第1期页码：84-88
- 作者机构：
  
  1:四川大学电子信息学院图像信息研究所
- 作者简介：
- 基金信息：
  
  教育部重点资助项目(107094);四川大学电子信息学院青年教师基金的资助
- DOI：
  中图分类号：
- 纸质出版：2009
- 稿件说明：
移动端阅览
吴炜, 杨晓敏, 陈默, 等. 基于流形学习的人脸图像超分辨率技术研究[J]. 光学技术, 2009,35(1):84-88.

The research of face super-resolution based on manifold learning[J]. 2009, 35(1): 84-88.
吴炜, 杨晓敏, 陈默, 等. 基于流形学习的人脸图像超分辨率技术研究[J]. 光学技术, 2009,35(1):84-88. DOI：

The research of face super-resolution based on manifold learning[J]. 2009, 35(1): 84-88. DOI：

超分辨率技术是由低分辨率图像复原出高分辨率图像的技术。针对人脸图像进行基于学习的超分辨率技术研究

将流形学习算法融入到超分辨率算法中

并且将其用于人脸图像的超分辨率复原。对流形学习应用于基于学习的超分辨率原理进行了介绍。为了使得人脸图像取得更好的复原效果

对特征提取模板进行改进

使得新的特征提取模板考虑更多的像素之间的相关性

并更好地抑制噪声的影响

保留了更多的特征信息。加入了新的特征(即拉普拉斯特征)。该特征突出的边缘细节

保持了人脸图像鲜明的轮廓和清晰的边缘信息。实验结果表明

算法复原出的人脸图像更接近于真实图像

具有更高的峰值信噪比。

浏览量

607

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

点扩散函数选取对波前编码图像复原影响的实验研究

基于空间部分相干光的全息图产生与显示

能量约束自适应迭代算法与光学像差复原

线阵CCD相机MTF的系统模型估计法与图像复原

单帧图像的超分辨率技术进展