身份保持约束下的面部图像超分辨率重建方法

低分辨率是影响人脸识别精度的重要因素。一种有效方法是使用图像超分辨率技术对低分辨率图像重建，生成超分辨率图像后再对其作人脸识别，从而克服低分辨率面部图像对人脸识别的限制。但是，现有超分辨率方法在重建过程中往往忽略了保持其原始身份信息，这直接影响生成图像的人脸识别结果。针对上述问题，提出了一种身份保持约束下的面部超分辨率重建方法IPNet，在提高低分辨率面部图像质量的同时，能保持重建后的面部图像身份。IPNet方法将语义分割网络和面部生成器相结合，通过语义分割网络提取低维隐码和多分辨率空间特征，进而指导面部生成器输出接近于原图的真实面部图像。在此基础上引入人脸识别网络，将身份信息整合到超分辨率方法中，从而约束重建前后的面部图像身份保持一致。实验结果表明，IPNet方法在超分辨率图像质量和身份保持上均优于其他对比方法。