| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究背景及意义 | 第10-12页 |
| ·人脸图像超分辨率技术的研究现状 | 第12-17页 |
| ·基于贝叶斯推理的框架 | 第13-14页 |
| ·基于子空间学习 | 第14-16页 |
| ·基于贝叶斯与子空间学习结合的方法 | 第16页 |
| ·基于稀疏表达的方法 | 第16-17页 |
| ·图像质量评价 | 第17-18页 |
| ·PSNR | 第17-18页 |
| ·SSIM | 第18页 |
| ·本文的工作 | 第18-19页 |
| ·论文的组织结构 | 第19-20页 |
| 第2章 基于位置块的人脸图像超分辨率 | 第20-29页 |
| ·邻域差值法 | 第20-21页 |
| ·最小二乘表达法 | 第21-24页 |
| ·凸优化方法 | 第24-25页 |
| ·局部约束表达法 | 第25-26页 |
| ·本章小结 | 第26-29页 |
| 第3章 基于高分辨率重构权重的人脸图像超分辨率算法 | 第29-40页 |
| ·高分辨率重构权重 | 第29页 |
| ·权重的优化过程 | 第29-31页 |
| ·相邻图像块的学习 | 第31-32页 |
| ·高分辨率重构权重表示法 | 第32-33页 |
| ·实验 | 第33-39页 |
| ·样本集 | 第33-35页 |
| ·参数设定 | 第35-37页 |
| ·实验结果以及分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于适应性局部回归的人脸超分辨率算法 | 第40-47页 |
| ·适应性字典学习 | 第40页 |
| ·算法介绍 | 第40-42页 |
| ·权重优化 | 第42-43页 |
| ·实验 | 第43-47页 |
| ·实验描述 | 第43-44页 |
| ·实验结果 | 第44-45页 |
| ·参数分析 | 第45-47页 |
| 第5章 深度学习在图像超分辨率中的应用 | 第47-54页 |
| ·卷积神经网络（CNN） | 第47-49页 |
| ·基于卷积神经网络的图像超分辨率 | 第49-50页 |
| ·CNN在人脸图像超分辨率中的应用 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 总结 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士期间已发表的论文 | 第60-61页 |
| 致谢 | 第61页 |