一种基于神经网络的人脸图像超分辨率重构算法

提出了一种基于神经网络的超分辨率重构算法． 首先用基于 l1 范数的最小全变分约束对输入的低分辨率 图像进行去模糊处理，得到初始复原图像;再根据结构相似度原则选择初始复原图像在训练集中最相近的 M 幅图 像，并加权求和作为神经网络的初始输出;结合贝叶斯后验概率，用 RBF 神经网络进行迭代训练，最后输出复原的 高分辨率图像． 算法充分利用了不同人脸图像之间的相似性，并加入了最小全变分约束，以保持图像边缘的奇异性 及非边缘的平滑性． 实验结果表明:算法能有效提高下采样及模糊人脸图像的分辨率，具有一定的实用价值