摘要 | 第3-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第10-22页 |
1.1 研究背景和研究意义 | 第10-13页 |
1.2 人脸图像理解的主要研究内容 | 第13-17页 |
1.2.1 人脸检测 | 第13-14页 |
1.2.2 人脸特征点定位和人脸对齐 | 第14-15页 |
1.2.3 人脸特征抽取 | 第15-16页 |
1.2.4 人脸图像分类 | 第16-17页 |
1.3 参数化统计新模型 | 第17-19页 |
1.3.1 发展历程 | 第17-18页 |
1.3.2 研究现状和研究动机 | 第18-19页 |
1.4 论文主要研究内容和创新点 | 第19-21页 |
1.5 论文的组织结构 | 第21-22页 |
1.5.1 符号系统 | 第21页 |
1.5.2 论文结构 | 第21-22页 |
第二章 参数化统计模型 | 第22-42页 |
2.1 主动形状模型 | 第22-30页 |
2.1.1 点分布模型 | 第22-25页 |
2.1.2 参数化形状模型 | 第25-26页 |
2.1.3 主动形状模型及其匹配算法 | 第26-30页 |
2.2 主动表观模型 | 第30-40页 |
2.2.1 形状无关全局纹理 | 第31-32页 |
2.2.2 全局纹理模型 | 第32-34页 |
2.2.3 主动表观模型 | 第34-36页 |
2.2.4 主动表观模型匹配算法 | 第36-40页 |
2.3 本章小结 | 第40-42页 |
第三章 在不完备数据集下构建基于张量的主动表观模型 | 第42-66页 |
3.1 引言 | 第42-45页 |
3.2 张量代数基础 | 第45-49页 |
3.2.1 张量基本概念 | 第46-47页 |
3.2.2 张量分解算法 | 第47-48页 |
3.2.3 基于张量的降维算法 | 第48-49页 |
3.3 统一化的人脸特征点定位策略 | 第49-51页 |
3.4 建立基于不完备训练集的张量主动表观模型 | 第51-57页 |
3.4.1 张量结构下的缺失样本初始化 | 第52-53页 |
3.4.2 基于M2SA的张量数据补全 | 第53-55页 |
3.4.3 建立基于不完备张量的主动表观模型 | 第55-57页 |
3.5 实验结果和分析 | 第57-63页 |
3.5.1 实验环境设置 | 第57-58页 |
3.5.2 初始化算法性能对比 | 第58-61页 |
3.5.3 张量主动表观模型匹配精度 | 第61-63页 |
3.6 本章小结 | 第63-66页 |
第四章 基于无监督特征学习的自适应随机级联回归森林 | 第66-82页 |
4.1 引言 | 第66-68页 |
4.2 级联回归模型 | 第68-69页 |
4.3 基于稀疏自编码器的无监督特征学习 | 第69-72页 |
4.4 自适应随机级联回归森林 | 第72-75页 |
4.4.1 随机级联回归森林 | 第72-73页 |
4.4.2 自适应形状更新策略 | 第73-74页 |
4.4.3 自适应局部特征抽取 | 第74-75页 |
4.5 实验结果和分析 | 第75-81页 |
4.5.1 实验环境设置 | 第75-76页 |
4.5.2 在LFPW数据库上的实验结果 | 第76-78页 |
4.5.3 在COFW数据库上的实验结果 | 第78-81页 |
4.6 本章小结 | 第81-82页 |
第五章 参数化三维形变模型在级联回归中的应用 | 第82-98页 |
5.1 引言 | 第82-84页 |
5.2 基于三维形变模型的虚拟训练样本合成 | 第84-87页 |
5.3 基于动态多尺度局部特征的两阶段级联回归算法 | 第87-89页 |
5.3.1 两阶段级联回归模型 | 第87-88页 |
5.3.2 动态多尺度局部特征抽取 | 第88-89页 |
5.4 实验结果和分析 | 第89-96页 |
5.4.1 实验环境设置 | 第90-91页 |
5.4.2 在合成的虚拟人脸数据库上的实验结果 | 第91-94页 |
5.4.3 在Multi-PIE人脸数据库上的实验结果 | 第94-96页 |
5.5 本章小结 | 第96-98页 |
第六章 总结与展望 | 第98-100页 |
6.1 论文总结 | 第98-99页 |
6.2 研究展望 | 第99-100页 |
致谢 | 第100-102页 |
参考文献 | 第102-110页 |
附录1:作者在攻读博士学位期间发表的论文 | 第110-111页 |