| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作及安排 | 第12-14页 |
| 第二章 图像超分辨率重建技术 | 第14-23页 |
| 2.1 超分辨率重建基本理论 | 第14-17页 |
| 2.1.1 成像模型 | 第14-15页 |
| 2.1.2 观测模型 | 第15-16页 |
| 2.1.3 超分辨率重建的评价标准 | 第16-17页 |
| 2.2 超分辨率重建常用方法 | 第17-22页 |
| 2.2.1 基于插值的重建 | 第17-18页 |
| 2.2.2 基于约束集的重建 | 第18-20页 |
| 2.2.3 基于学习的重建 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于相似性选择与约束的人脸超分辨率重建算法 | 第23-47页 |
| 3.1 一种基于权值稀疏表示的人脸超分辨率重建算法 | 第23-34页 |
| 3.1.1 稀疏表示理论基础 | 第23-25页 |
| 3.1.2 传统的权重稀疏表示重建方法 | 第25-29页 |
| 3.1.3 正则化参数的自动估计 | 第29-34页 |
| 3.2 基于相似性的人脸选择算法 | 第34-39页 |
| 3.2.1 问题描述 | 第34-36页 |
| 3.2.2 二维主成分分析理论 | 第36-39页 |
| 3.3 基于局部相似性约束的人脸超分辨率算法 | 第39-42页 |
| 3.3.1 算法描述 | 第39-41页 |
| 3.3.2 图像训练库的建立 | 第41-42页 |
| 3.4 实验结果与分析 | 第42-46页 |
| 3.4.1 实验环境与参数设定 | 第42页 |
| 3.4.2 实验结果的比较与分析 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于机器学习的人脸超分辨率重建方法 | 第47-61页 |
| 4.1 传统的两步人脸超分辨率重建算法 | 第47-50页 |
| 4.2 基于极限学习机的人脸超分辨率重建算法 | 第50-56页 |
| 4.2.1 极限学习机理论 | 第50-52页 |
| 4.2.2 基于极限学习机的超分辨率重建 | 第52-54页 |
| 4.2.3 参数的优化与选择 | 第54-56页 |
| 4.3 实验结果比较与分析 | 第56-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 人脸超分辨率技术的应用 | 第61-70页 |
| 5.1 待重建人脸的标定与提取 | 第61-62页 |
| 5.2 泊松图像编辑 | 第62-64页 |
| 5.3 基于泊松编辑的人脸拼接 | 第64-66页 |
| 5.4 基于重建与拼接的人脸修复方法 | 第66-67页 |
| 5.5 实验与结果 | 第67-69页 |
| 5.6 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 不足及展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第76-77页 |
| 致谢 | 第77页 |