| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题的背景和意义 | 第9-10页 |
| 1.2 人脸识别及低分辨率人脸识别的发展状况 | 第10-14页 |
| 1.2.1 传统人脸识别研究现状 | 第10-11页 |
| 1.2.2 低分辨率人脸识别研究现状 | 第11-13页 |
| 1.2.3 存在的问题 | 第13-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 低分辨率人脸识别 | 第16-34页 |
| 2.1 引言 | 第16页 |
| 2.2 低分辨率人脸检测算法 | 第16-18页 |
| 2.3 低分辨率人脸识别算法分类 | 第18-20页 |
| 2.4 基于超分辨率方法的低分辨率人脸识别算法 | 第20-26页 |
| 2.4.1 基于传统超分辨率的方法 | 第21-22页 |
| 2.4.2 基于识别目的超分辨率的方法 | 第22-25页 |
| 2.4.3 小结 | 第25-26页 |
| 2.5 基于分辨率鲁棒特征表示的低分辨率人脸识别算法 | 第26-30页 |
| 2.5.1 基于全局特征的方法 | 第26-28页 |
| 2.5.2 基于局部特征的方法 | 第28-29页 |
| 2.5.3 小结 | 第29-30页 |
| 2.6 基于统一特征空间的低分辨率人脸识别算法 | 第30-32页 |
| 2.7 本章小结 | 第32-34页 |
| 第3章 基于统一特征空间的低分辨率人脸识别算法 | 第34-53页 |
| 3.1 引言 | 第34页 |
| 3.2 SIFT 人脸特征表示的鲁棒性分析 | 第34-37页 |
| 3.3 基于统一特征空间的低分辨率人脸识别算法 | 第37-42页 |
| 3.3.1 统一特征空间变换矩阵的学习 | 第38-39页 |
| 3.3.2 迭代优化算法 | 第39-40页 |
| 3.3.3 低分辨率测试图像的识别 | 第40-41页 |
| 3.3.4 小结 | 第41-42页 |
| 3.4 CMU MultiPIE 数据集上的实验 | 第42-48页 |
| 3.4.1 CMU MultiPIE 数据集 | 第42-44页 |
| 3.4.2 参数选择及图像预处理 | 第44-45页 |
| 3.4.3 在不同姿态、不同光照条件下的实验 | 第45-46页 |
| 3.4.4 在不同分辨率条件下的实验 | 第46-48页 |
| 3.5 MBGC/FRGC 数据集上的实验 | 第48-52页 |
| 3.5.1 MBGC/FRGC 数据集 | 第48-50页 |
| 3.5.2 无约束条件下的实验 | 第50-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第4章 基于统一特征空间的算法结合超分辨率图像特征 | 第53-63页 |
| 4.1 引言 | 第53页 |
| 4.2 基于稀疏表示的超分辨率方法 | 第53-59页 |
| 4.2.1 稀疏表示简介 | 第54页 |
| 4.2.2 基于稀疏表示的超分辨率方法 | 第54-57页 |
| 4.2.3 数据字典对的学习 | 第57-59页 |
| 4.3 CMU MultiPIE 数据集上的实验 | 第59-61页 |
| 4.4 本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-71页 |
| 致谢 | 第71页 |