人脸压缩图像的复原问题本质上是欠定的线性方程组求解问题,利用人脸压缩图像的某种先验知识可以将图像块聚类到不同的子空间中,从而作为约束来缩小求解的范围。本文提出的基于子空间回归学习的人脸压缩图像复原方法,主要研究成果如下:1.基于结构相关子空间回归的人脸压缩图像复原方法。针对真实场景下人脸图像姿态往往不固定这一问题,提出一种不局限于姿态的人脸压缩图像复原方法,主要包括训练和复原两个阶段:在训练阶段,利用landmark人脸关键点检测结果,将压缩-未压缩图像块对划分到人脸结构相关的子空间中,在每个子空间中学习得到压缩图像块到其未压缩版本的投影矩阵。在复原阶段,对每个输入的压缩图像块,判断其所属的结构相关子空间,并在该子空间下选择合适的线性映射,得到其估计的复原版本。实验结果表明,该方法相比于其他对比算法在主观和客观评价上均有一定提升。2.基于分级子空间回归的人脸压缩图像复原方法。为了提高子空间聚类的准确性,提出一种基于分级子空间回归的人脸压缩图像复原方法,主要包括训练和复原两个部分。在训练部分,利用人脸压缩图像的边缘方向分布规律,将压缩-未压缩图像块对划分到多个浅层子空间中。然后对每个基于边缘方向分类的浅层子空间,利用K均值聚类算法得到它的深层子空间,并在每个深层子空间中训练得到相应的映射矩阵。在复原阶段,对每个输入的压缩图像块,分析得到它的边缘方向,从而选择合适的线性映射核,得到复原后的输出图像块。实验结果表明,该方法相比于其他对比算法在主观和客观评价上均有一定提升。