- 文献综述
摘要
人脸超分辨率重建（Face Hallucination,FH），旨在从低分辨率人脸图像恢复高频细节从而生成高分辨率人脸图像。是单幅图片超分辨率重建（Sigle Image Super Resolution,SISR）的一种特殊应用。提高人脸图像分辨率是计算机视觉研究中一个热门问题。由于每个人脸具有基本相同的全局特征，只是细节上存在个体差异，因此较适合于建立学习模型。大多基于深度学习的方法利用卷积神经网络（convolutional neural network, CNN）从低分辨率图像恢复的高分辨率图像大多都过于平滑。为了解决这个问题，人们提出各种网络模型。如何优化网络参数，设计更加合理的网络结构依然有很大的研究空间。
关键词：人脸超分辨率重建；卷积神经网络；对抗式生成网络
1 研究背景和意义
图片作为信息载体在数字化快速发展的当代的作用日益明显。日常上网浏览网页，监控视频人脸识别，医疗图像的诊断等场景都对图像的质量和分辨率有着越来越高的要求。但实际应用中，监控摄像头长期暴露于阳光下，严重受天气的影响，从监控视频得到的大多是低分辨率图片或带有噪声图片。大多数网站常常会使用压缩算法减小图片占用空间以便更快的传输，所以我们从网站得到的图片往往是低分辨率的图片。人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。但是在视频监控、影视片段或证件照上提供的人脸图像通常分辨率较低，这给后续的人脸检测、人脸跟踪、人脸识别以及人脸表情分析等工作带来了很大的阻碍。因此，如何运用技术增强图像质量、提高图像分辨率是图像应用的热点与难点。
人脸超分辨率重建（Face Hallucination,FH），旨在从低分辨率人脸图像恢复高频细节从而生成高分辨率人脸图像。是单幅图片超分辨率重建（Sigle Image Super Resolution,SISR）的一种特殊应用。高分辨率图片经过退化过程产生低分辨率图片，这一过程是不可逆的，给图片超分辨率重建带来困难，这也是图片超分辨率重建被广泛关注的原因。超分辨率重建实际上是一个从低分辨率（Low Resolution, LR）到高分辨率(High Resolution, HR)的一对多映射，该映射可以有多个解决方案，其中确定正确的解决方案正是超分辨率重建需要解决的问题。
2 国内外研究现状
人脸超分辨率重建是图像超分辨率重建的一个特殊应用。本小节回顾了图像超分辨率重建的发展、人脸超分辨率重建的发展、生成式对抗网络的发展。
2.1 单幅图片的超分辨率重建
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
