人脸五官图像分割与清晰度匹配方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景与意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-16页 |
| 1.3.1 人脸特征点识别技术 | 第10-12页 |
| 1.3.2 人脸图像分割技术 | 第12-14页 |
| 1.3.3 超分辨率图像重建技术 | 第14-15页 |
| 1.3.4 图像编辑技术 | 第15-16页 |
| 1.4 本文主要研究工作与组织结构 | 第16-19页 |
| 1.4.1 主要研究工作 | 第16-17页 |
| 1.4.2 论文的组织结构 | 第17-19页 |
| 第2章 人脸五官图像分割方法研究 | 第19-34页 |
| 2.1 人脸特征点定位方法及比较 | 第20-23页 |
| 2.1.1 人脸特征点定位方法对比 | 第20-21页 |
| 2.1.2 算法复现 | 第21-23页 |
| 2.2 人脸眉毛区域粗定位方法 | 第23-27页 |
| 2.2.1 眉毛区域粗定位方法设计 | 第23-25页 |
| 2.2.2 眉毛区域粗定位参数选择 | 第25-27页 |
| 2.3 局部全卷积分割方法 | 第27-33页 |
| 2.3.1 相关图像分割网络及比较 | 第27-29页 |
| 2.3.2 U-net模型优化 | 第29-30页 |
| 2.3.3 优化参数选择 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 图像清晰度匹配方法及应用研究 | 第34-62页 |
| 3.1 清晰度评价方法 | 第35-43页 |
| 3.1.1 清晰度评价方法对比 | 第35-36页 |
| 3.1.2 清晰度评价方法研究与选择 | 第36-42页 |
| 3.1.3 图像间清晰度差值定义 | 第42-43页 |
| 3.2 清晰度匹配方法 | 第43-58页 |
| 3.2.1 清晰度匹配方法设计 | 第43-45页 |
| 3.2.2 超分辨率网络对比 | 第45-46页 |
| 3.2.3 超分辨模型研究与测试 | 第46-48页 |
| 3.2.4 模糊算法对比 | 第48-54页 |
| 3.2.5 清晰度评价引导的模糊算法选择 | 第54-56页 |
| 3.2.6 分类模型的训练与测试 | 第56-58页 |
| 3.3 基于泊松融合算法的五官替换应用 | 第58-61页 |
| 3.4 本章小结 | 第61-62页 |
| 第4章 实验结果与分析 | 第62-75页 |
| 4.1人脸五官图像分割实验 | 第62-69页 |
| 4.1.1 五官区域粗定位实验 | 第63-64页 |
| 4.1.2 U-Net网络结构优化实验 | 第64-65页 |
| 4.1.3 五官图像分割方法整体对比实验 | 第65-69页 |
| 4.2 人脸五官图像替换实验 | 第69-72页 |
| 4.2.1 清晰度匹配实验 | 第70-72页 |
| 4.2.2 图像拼接性能测试 | 第72页 |
| 4.3 人脸五官图像拼接应用示意及总结 | 第72-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第5章 总结与展望 | 第75-77页 |
| 5.1 全文工作总结 | 第75-76页 |
| 5.2 下一步工作展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间的科研成果 | 第82页 |
