14、远距离视频中面部图像的超分辨率重建

远距离视频中面部图像的超分辨率重建

在视频处理领域，面部图像的超分辨率重建是一项具有挑战性但又十分重要的任务。特别是当涉及到远距离视频中的面部图像，并且这些图像还伴随着表情变化时，如何有效地提高图像的分辨率成为了关键问题。本文将详细介绍相关的技术方法以及实验结果。

现有面部超分辨率方法概述

以下是一些常见的面部超分辨率方法及其特点：
| 作者 | 方法 | 备注 |
| — | — | — |
| Baker 和 Kanade | 使用高斯、拉普拉斯和特征金字塔在训练数据中找到最匹配的像素（基于学习的方法） | 通过在高分辨率数据上手动标记3个点进行仿射配准 |
| Liu 等人 [109] | 将整个面部的全局参数线性模型与从训练面部学习局部纹理的局部非参数模型相结合（基于学习的方法） | 使用高分辨率数据上手动选择的5个点手动对齐数据 |
| Liu 等人 [110] | 融合高分辨率补丁以形成高分辨率图像，集成张量补丁模型和耦合残差补偿（基于学习的方法） | 假设使用高分辨率数据上眼睛和嘴巴的位置进行对齐的前置步骤 |
| Capel 和 Zisserman | 将面部划分为六个区域，并从高分辨率特征脸空间中恢复超分辨率面部图像（基于学习的方法） | 超分辨率图像在表情变化的区域有明显的伪影 |
| Dedeoglu 等人 | 使用图形模型对低分辨率图像的时空一致性进行编码，在训练集中为探测图像找到最匹配的补丁（基于学习的方法） | 认为高分辨率数据上的全局运动只有平移 |
| Wang 和 Tang | 使用特征变换算法从高分辨率训练集中渲染超分辨率面部图像（基于学习的方法） | 使用高分辨率数据上眼睛的位置进行