| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-16页 |
| 1.1 课题的背景和意义 | 第9-10页 |
| 1.2 国内外的研究现状及主要存在问题 | 第10-13页 |
| 1.2.1 普通图像修复的国内外研究现状 | 第10-11页 |
| 1.2.2 人脸图像修复的国内外研究现状 | 第11-13页 |
| 1.3 本文的主要内容和组织结构 | 第13-16页 |
| 1.3.1 本文主要研究内容 | 第13-14页 |
| 1.3.2 本文的组织结构 | 第14-16页 |
| 第2章 相关理论基础 | 第16-28页 |
| 2.1 图像修补的相关算法模型 | 第16-18页 |
| 2.1.1 图像退化模型 | 第16-17页 |
| 2.1.2 人脸归一化 | 第17-18页 |
| 2.2 自编码器的基本理论 | 第18-22页 |
| 2.2.1 自编码解码的基本原理 | 第18-20页 |
| 2.2.2 自编码器建模过程 | 第20-22页 |
| 2.3 生成对抗网络基本基础 | 第22-24页 |
| 2.3.1 原始生成对抗网络基本原理 | 第22-23页 |
| 2.3.2 条件生成对抗网络基本原理和过程 | 第23-24页 |
| 2.4 缺损人脸图像还原效果的评价指标 | 第24-27页 |
| 2.4.1 主观评价 | 第25-26页 |
| 2.4.2 客观评价 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于语义编码器和生成对抗网络联合优化的人脸图像修复模型 | 第28-37页 |
| 3.1 语义编码器网络的预测建模 | 第28-30页 |
| 3.2 条件生成对抗网络构建 | 第30-32页 |
| 3.3 语义编码器和生成对抗网络联合优化模型 | 第32-36页 |
| 3.3.1 联合优化模型设计 | 第32-33页 |
| 3.3.2 算法流程设计 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 实验结果及分析 | 第37-46页 |
| 4.1 数据集 | 第37-38页 |
| 4.2 实验环境及参数设置 | 第38-39页 |
| 4.3 实验结果分析 | 第39-46页 |
| 4.3.1 定性结果 | 第39-41页 |
| 4.3.2 定量结果 | 第41-43页 |
| 4.3.3 与PM、CE模型修复效果对比 | 第43-45页 |
| 4.3.4 限制条件 | 第45-46页 |
| 第5章 工作总结与展望 | 第46-48页 |
| 5.1 本文主要工作 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 附录攻读硕士学位期间发表的论文和参与的科研项目 | 第53页 |