| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究问题 | 第11-12页 |
| 1.3 论文组织 | 第12-13页 |
| 第二章 人脸检测研究现状 | 第13-26页 |
| 2.1 概念 | 第13-14页 |
| 2.2 人脸检测算法研究 | 第14-22页 |
| 2.2.1 基于知识的方法 | 第15-17页 |
| 2.2.2 特征不变方法 | 第17页 |
| 2.2.3 模板匹配方法 | 第17-19页 |
| 2.2.4 基于统计的方法 | 第19-22页 |
| 2.2.5 各类经典算法比较 | 第22页 |
| 2.3 人脸检测方法的性能评价 | 第22-26页 |
| 2.3.1 人脸图像数据库 | 第22-24页 |
| 2.3.2 评价指标 | 第24-26页 |
| 第三章 基于ADABOOST 算法的人脸检测 | 第26-38页 |
| 3.1 ADABOOST 算法描述 | 第26-27页 |
| 3.2 弱分类器的选取及训练(WEAK CLASSIFIER) | 第27-31页 |
| 3.2.1 特征 | 第27-29页 |
| 3.2.2 特征值 | 第29-30页 |
| 3.2.3 最优阈值的确定 | 第30-31页 |
| 3.3 改进的人脸检测算法 | 第31-33页 |
| 3.3.1 特征约简 | 第31页 |
| 3.3.2 样本扩张 | 第31-32页 |
| 3.3.3 多分辨率搜索 | 第32-33页 |
| 3.3.4 算法流程图 | 第33页 |
| 3.4 实验结果 | 第33-37页 |
| 3.5 结论 | 第37-38页 |
| 第四章 图像超分辨率研究现状 | 第38-45页 |
| 4.1 概念 | 第38-39页 |
| 4.2 图像超分辨率处理技术 | 第39-43页 |
| 4.2.1 频域图像超分辨率处理方法 | 第40-41页 |
| 4.2.2 空域图像超分辨率处理方法 | 第41-42页 |
| 4.2.3 人脸图像超分辨率处理方法 | 第42-43页 |
| 4.3 研究图像超分辨率处理技术的意义 | 第43-45页 |
| 第五章 图像处理的金字塔形变换 | 第45-52页 |
| 5.1 高斯金字塔的构建过程 | 第45-46页 |
| 5.2 图像拉普拉斯金字塔的分解及重构过程 | 第46-48页 |
| 5.2.1 图像的拉普拉斯金字塔分解 | 第46-48页 |
| 5.2.2 由拉普拉斯金字塔重建原图像 | 第48页 |
| 5.3 可操纵方向金字塔变换 | 第48-52页 |
| 5.3.1 Steerable 滤波定理 | 第49页 |
| 5.3.2 图像的steerable 金字塔分解及重构 | 第49-50页 |
| 5.3.3 实验结果 | 第50-52页 |
| 第六章 融合全局特征与局部细节信息的人脸图像超分辨率 | 第52-71页 |
| 6.1 相关工作 | 第52-54页 |
| 6.2 第一阶段：采用STEERABLE 金字塔重构全局高分辨率人脸图像 | 第54-62页 |
| 6.2.1 特征向量 | 第54-55页 |
| 6.2.2 塔状父结构 | 第55-56页 |
| 6.2.3 局部最近邻查找算法 | 第56-57页 |
| 6.2.4 基于邻域重建的图像小块合成 | 第57-60页 |
| 6.2.5 特征向量平滑化 | 第60-61页 |
| 6.2.6 重构全局高分辨率人脸图像 | 第61-62页 |
| 6.3 第二阶段：残差人脸图像合成技术 | 第62-63页 |
| 6.4 试验结果与分析 | 第63-69页 |
| 6.4.1 一般人脸图像超分辨率 | 第64-65页 |
| 6.4.2 表情人脸图像超分辨率 | 第65-67页 |
| 6.4.3 带有附属物的人脸图像超分辨率 | 第67-68页 |
| 6.4.4 实拍图像的超分辨率 | 第68-69页 |
| 6.5 小结 | 第69-71页 |
| 第七章 结论与展望 | 第71-73页 |
| 7.1 结论 | 第71页 |
| 7.2 展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间发表的学术论文 | 第80页 |
