单帧非正面人脸图像多角度超分辨率重建关键技术研究

现有文献中绝大部分人脸超分辨率方法仅仅局限于正面人脸。而现实世界中，非正面的人脸图像是广泛存在的。因此研究非正面人脸问题具有较强的理论和实际意义。本项目提出一种多角度人脸图像超分辨率重建技术，可以从单帧非正面低分辨率人脸图像，来超分辨率重建出该个体的，包括正面人脸在内的多个不同角度高分辨率人脸图像。本项目将研究低分辨率多个角度空间之间的关系，建立一种新的、相比传统方法简单但有效的低分辨率多角度人脸图像的特征表示方法，以及低分辨率不同角度人脸图像特征空间之间相互映射关系，并在此基础上，建立一种位置先验与分类过完备字典表示的非正面人脸图像脸部细节增加方法。本项目具有一定的理论创新和实际意义，其研究成果可以为其它一些技术提供基础或者拓宽其它一些技术的应用范围，并且在近几年反恐、防恐等领域的身份识别方面具有较大的应用价值。

传统人脸图像超分辨率研究仅仅局限于正面人脸，本项目在以往研究基础之上，研究了多角度人脸图像超分辨问题，提出了多种基于稀疏表示理论的方法，解决了单帧多角度人脸图像超分辨率问题，评估指标超过了近几年主流国际SCI期刊论文中的一些方法，并结合实际开发了应用系统，获得了专利和软件著作权。本项目执行时间共3年，共发表标注论文24篇，SCI/EI检索12篇，其中包含SCI国际著名期刊2篇，EI检索国际期刊1篇，EI检索国内期刊5篇等，并公开发明专利2 项，获得实用新型专利4项，获得软件著作权4 项，培养硕士生2名, 成果丰硕超过了预期的目标，圆满完成了项目任务。这些研究成果，主持人第一作者发表在国际著名SCI期刊,例如《IEEE Transactions on Human-Machine systems》，《Signal Processing》；国内外EI期刊，例如《控制理论与应用》，<<Journal of Computational Information Systems >>；知名国际会议例如《7th international conferentce on computer vision》，国内核心期刊例如《计算机应用》等。