(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211401689.X (22)申请日 2022.11.10 (71)申请人 四川轻化工大 学 地址 643033 四川省自贡 市汇兴路学苑街 180号 (72)发明人 朱文忠　谢康康　谢林森　肖顺兴　 车璇　李韬　杜洪文　 (74)专利代理 机构 重庆金橙专利代理事务所 (普通合伙) 50273 专利代理师 唐健玲 (51)Int.Cl. G06T 3/40(2006.01) G06V 40/16(2022.01) G06T 7/11(2017.01) G06N 3/08(2006.01) (54)发明名称 人脸图像超分辨率重建方法及计算机可读 取的存储介质 (57)摘要 本发明公开了一种人脸图像超分辨率重建 方法及计算机可读取的存储介质， 属于人脸图像 处理技术领域。 重建方法包括获取低分辨率人脸 图像和训练完成的深度学习网络， 将低分辨率人 脸图像输入深度学习网络， 低分辨率人脸图像信 息沿着网络的深度方向传递， 将第一精制特征图 与第二精制特征图融合， 图像重置机构以复合特 征图作为输入， 重建并输出高分辨率人脸图像等 步骤。 本发 明的相邻两个双通道特征提取机构之 间通过两个信道传递信息， 不同种类的特征信息 分布更加分散， 信息过滤效果更好， 测试表明， 本 发明提供的人脸图像 重建方法性能先进。 权利要求书2页 说明书5页 附图5页 CN 115439329 A 2022.12.06 CN 115439329 A 1.一种人脸图像超分辨 率重建方法， 其特 征是： 包括以下步骤： S100、 获取低分辨率人脸图像和训练完成的深度学习网络； 所述深度学习网络中设有 双通道特征提取机构和图像重置机构， 多个所述双通道特征提取机构在所述深度学习网络 中串联设置， 所述双通道特 征提取机构用于提取 所述低分辨 率人脸图像的特 征信息； S200、 将所述低分辨率人脸 图像输入所述深度学习网络， 所述低分辨率人脸图像信息 沿着网络的深度方向传递， 直到最后一个所述双通道特征提取机构生成并输出第一精制特 征图和第二精制特 征图； S300、 将所述第一精制特 征图与所述第二精制特 征图融合， 生成复合特 征图； S400、 所述图像重 置机构以所述复合特 征图作为输入， 重建并输出高分辨 率人脸图像； 其中， 所述双通道特 征提取机构提取 特征的操作过程表示 为如下数学模型： 其中， 表示从所述双通道特征提取机构的第一入口输入其中的特征图， 表示从 所述双通道特征提取机构的第二入口输入其中的特征图， 、 、 、 和 均表示步长为1的卷积运算， 、 、 、 和 均表示第一型激活函数， 表示第二型 激活函数， 表示元素对应乘积运算， 表示将其中的特征图拼接起来， 表示双头注意 力单元， 表示所述双头注 意力单元输出的双头注意力图， 表示 函数激活后生成的特 征图， 表示 函数激活后生成的特征图， 表示 函数激活后生成的特征图， 表示 函数激活后生成的特征图， 表示特征图 、 特征图 和特征图 相加后生成的特征 图， 表示特征图 、 特征图 和特征图 做元素对应乘积后生成的特征图， 表示 函数激活后生成的特征图， 表示所述双头注意力图与特征图 做元素对应乘积后生成 的特征图， 表示从所述双通道特征提取机构的第一出口输 出的特征图， 表示从所述双 通道特征提取机构的第二出口输出的特 征图。 2.根据权利要求1所述的人脸图像超分辨率重建方法， 其特征是： 、 和 的卷积核尺寸均为1*1， 的卷积核尺寸 为3*3， 的卷积核尺寸 为5*5。 3.根据权利要求1所述的人脸图像超分辨率重建方法， 其特征是： 所述第 一型激活函数 为ReLU函数。 4.根据权利要求3所述的人脸图像超分辨率重建方法， 其特征是： 所述第 二型激活函数 为Tanh函数。 5.根据权利要求1所述的人脸图像超分辨率重建方法， 其特征是： 所述双头注意力单元权　利　要　求　书 1/2 页 2 CN 115439329 A 2生成双头注意力图的过程表示 为如下数学模型： 其中， 特征图 、 、 和 共同作为所述双头注意力单元的输入， 表示所述双头 注意力单元输出的双头注意力图， 表示对特征图做拼接操作， 表示对特征图在通道 方向做第一全局池化操作， 表示对特征图在空间方向做第二全局池化操作， 表示全连 接层， 和 表示第三型激活函数， 表示元素对应乘积运算， 表示分别对特征图 、 特征图 、 特征图 在通道方向做第一全局池化操作并拼接后生成的特征图， 表示函 数 激活后生成的特 征图。 6.根据权利要求5所述的人脸图像超分辨率重建方法， 其特征是： 所述第 一全局池化操 作为全局方差池化操作， 所述第二全局池化操作为全局最大池化操作。 7.根据权利要求6所述的人脸图像超分辨率重建方法， 其特征是： 所述第 三型激活函数 为sigmoid函数。 8.一种计算机可读取的存储介质， 其特征是： 所述计算机可读取的存储介质上存储有 计算机程序， 所述计算机程序被处理器执行时， 实现如权利要求1至7中任一项所述的人脸 图像超分辨 率重建方法。权　利　要　求　书 2/2 页 3 CN 115439329 A 3