基于多信息融合的噪声人脸图像超分辨率重建

现有的人脸超分辨率重建方法主要是基于无噪声干扰假设的,当其应用于输入图像总是被噪声污染的真实场景时,会出现模型性能急剧下降的问题.针对这一问题,提出一种多信息融合网络,通过利用人脸解析图与人脸属性这2种先验信息来重建出细节丰富的高分辨率人脸图像.该方法首先通过一个粗超分辨率重建网络来恢复粗略的高分辨率图像,然后通过解析图估计网络与属性分析和重建网络对人脸先验信息进行建模,在像素空间和语义空间对高分辨率人脸图像的重建进行了约束.实验结果表明:提出的方法可有效提升模型对于噪声的鲁棒性,在CelebA数据集上,该方法的重建图像不仅有更好的主观质量,其峰值信噪比(peak signal to noise ratio,PSNR)相较于其他主流方法提高了约0.2 dB.