| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究目的和研究内容 | 第12-13页 |
| 1.3.1 本文的研究目的 | 第12-13页 |
| 1.3.2 本文研究的主要内容 | 第13页 |
| 1.4 本文的章节安排 | 第13-14页 |
| 2 传统非均匀光照人脸图像增强算法 | 第14-28页 |
| 2.1 引言 | 第14页 |
| 2.2 基于空域的图像增强算法 | 第14-17页 |
| 2.2.1 分段线性变换 | 第15-16页 |
| 2.2.2 直方图均衡化 | 第16-17页 |
| 2.3 基于频域的图像增强算法 | 第17-21页 |
| 2.4 基于数学形态学方法的图像增强算法 | 第21-22页 |
| 2.5 基于Retinx理论的图像增强算法 | 第22-26页 |
| 2.5.1 单尺度Retinex算法 | 第23-25页 |
| 2.5.2 多尺度Retinex算法 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 3 基于多尺度RETINEX理论的非均匀光照人脸图像增强网络设计与识别 | 第28-49页 |
| 3.1 引言 | 第28页 |
| 3.2 卷积神经网络 | 第28-34页 |
| 3.2.1 卷积神经网络的结构 | 第29-31页 |
| 3.2.2 后向传播算法 | 第31-34页 |
| 3.3 基于多尺度Retinex理论进行网络结构设计 | 第34-37页 |
| 3.4 损失函数设计 | 第37-39页 |
| 3.5 人脸识别算法 | 第39-41页 |
| 3.5.1 特征提取 | 第39-40页 |
| 3.5.2 识别 | 第40-41页 |
| 3.6 实验 | 第41-48页 |
| 3.6.1 非均匀光照人脸图像增强实验 | 第41-45页 |
| 3.6.2 人脸识别实验 | 第45-48页 |
| 3.7 本章小结 | 第48-49页 |
| 4 基于生成式对抗网络的非均匀光照人脸图像增强与识别 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 生成式对抗网络基本原理 | 第49-50页 |
| 4.3 生成式对抗网络设计 | 第50-51页 |
| 4.4 损失函数设计 | 第51-54页 |
| 4.4.1 生成器损失函数设计 | 第51-53页 |
| 4.4.2 判别器损失函数设计 | 第53-54页 |
| 4.5 实验 | 第54-59页 |
| 4.5.1 非均匀光照人脸图像增强实验 | 第54-57页 |
| 4.5.2 人脸识别实验 | 第57-59页 |
| 4.6 本章小结 | 第59-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 后续研究工作的展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |
| A.作者在攻读硕士期间取得的科研成果 | 第68页 |
