| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-32页 |
| 1.1 三维人脸建模技术概述 | 第12-16页 |
| 1.2 三维人脸模型重建方法 | 第16-25页 |
| 1.2.1 人脸参数模型 | 第16-17页 |
| 1.2.2 生理肌肉模型 | 第17-20页 |
| 1.2.3 基于图像的视觉建模 | 第20-22页 |
| 1.2.4 合成分析的形变模型法 | 第22-25页 |
| 1.3 基于单幅照片的三维人脸重建方法概述 | 第25-29页 |
| 1.3.1 明暗恢复形状法 | 第25-26页 |
| 1.3.2 模型辅助法 | 第26-29页 |
| 1.4 本文研究的内容及其意义 | 第29-30页 |
| 1.5 本文结构 | 第30-32页 |
| 第二章 三维数据库与人脸统计模型 | 第32-49页 |
| 2.1 三维数据库介绍 | 第32-35页 |
| 2.1.1 人脸数据的获取 | 第32-34页 |
| 2.1.2 BJUT-3D 人脸数据库 | 第34-35页 |
| 2.2 点对点对应关系的确立 | 第35-44页 |
| 2.2.1 基于机器学习的形变法 | 第36-38页 |
| 2.2.2 基于光流的对应法 | 第38-39页 |
| 2.2.3 基于网格重采样的对应算法 | 第39-40页 |
| 2.2.4 基于薄板样条函数（TPS）的变形法 | 第40-44页 |
| 2.3 统计模型的建立 | 第44-47页 |
| 2.3.1 定义人脸向量 | 第45-46页 |
| 2.3.2 主成分分析（Principle Component Analysis, PCA） | 第46-47页 |
| 2.4 本章小结 | 第47-49页 |
| 第三章 基于单幅图像的三维人脸重建 | 第49-61页 |
| 3.1 先进重建算法介绍 | 第49-51页 |
| 3.1.1 牛顿随机最优化（Stochastic Newton Optimization, SNO） | 第49-50页 |
| 3.1.2 反向合成图像对齐(Inverse Compositional Image Alignment, ICIA) | 第50-51页 |
| 3.1.3 形状对齐与插值法修正（Shape Alignment and Interpolation Method Correction ，SAIMC） | 第51页 |
| 3.2 基于单幅照片与统计模型的三维人脸重建 | 第51-56页 |
| 3.2.1 列文伯格-马夸尔特优化 | 第52-54页 |
| 3.2.2 形状重建 | 第54-56页 |
| 3.2.3 纹理恢复 | 第56页 |
| 3.3 实验结果 | 第56-60页 |
| 3.3.1 时间效率 | 第56-57页 |
| 3.3.2 真实感 | 第57页 |
| 3.3.3 需改进之处 | 第57-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第四章 总结与展望 | 第61-64页 |
| 4.1 本文总结 | 第61-62页 |
| 4.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士期间发表的学术论文目录 | 第70-72页 |
