《中國人工智能學會通訊》——11.50 基于稀疏特征選擇的異質人臉圖 像合成

分析發現現有的人臉畫像 - 照片合成算法[3-7]多是基于 K 近鄰的，即對于任意的輸入圖像塊，均從訓練圖像塊中選擇固定個數 ( 例如 K) 的近鄰。而實際中對于某些測試塊，由于訓練集大小限制，找到的距離最近的或者最相關的塊的個數可能比K小，也可能比K大，并不一定完全等于K，而多出來的“近鄰”塊對算法而言相當于噪聲，這給合成結果帶來了一定的噪聲。

稀疏表示在圖像超分辨重建[8] 、圖像去噪 [9]以及圖像修複[10]中的應用已經取得一定進展。這些方法首先從訓練資料中學習得到一個或一對字典；然後對于給定的測試圖像塊，用學習到的字典中的原子通過線性組合來重構該圖像塊，通過限制線性組合系數中非零元素個數盡量少來優化求解

c=argmin c ‖c‖ 1 , s.t.y=Dc (1)

該類方法的難點之一在于，如何設計從已有的訓練資料中學習字典的算法。本文介紹的方法直接從訓練圖像塊中選取圖像塊組成訓練集，避免了學習字典的困難[11-12] 。由于稀疏表示能夠從字典中選擇一些原子來最大程度的重構測試圖像塊，對于不同的輸入圖像塊，稀疏表示系數中非零元素的個數不同，即選擇的原子個數以及原子均是自适應确定的，能夠一定程度上克服上面提到的由于固定近鄰個數 K 帶來的噪聲問題。

基于稀疏表示近鄰選擇的人臉畫像合成算法架構如圖 1 所示。其基本步驟為：① 将所有圖像劃分為大小均勻并保持相鄰圖像塊有一定覆寫的圖像塊；② 對于輸入測試照片的任一圖像塊，計算其在由訓練照片塊組成的字典上的稀疏表示系數；③ 保留稀疏表示系數絕對值大于給定門檻值的系數不變，其餘歸置為 0；④ 用歸置後的系數與由訓練畫像塊組成的畫像塊字典線性組合即得待合成畫像塊，之後将所有合成的畫像塊填補成一張圖像，覆寫區域取平均值。