首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于一致流形学习的人脸超分辨率算法研究

论文创新点第1-6页
摘要第6-8页
Abstract第8-13页
第一章 绪论第13-30页
   ·研究背景与意义第13-14页
   ·人脸超分辨率面临的问题与研究现状第14-26页
     ·监控视频人脸图像的特点与面临的挑战第14-15页
     ·研究现状与存在的问题第15-26页
   ·本文的研究内容第26-27页
   ·本文的组织结构第27-30页
第二章 基于最近特征线流形学习的人脸超分辨率算法第30-46页
   ·引言第30-32页
     ·流形学习算法第32-34页
   ·基于邻域嵌入的图像超分辨率算法第34页
   ·基于最近特征线流形学习的人脸超分辨率算法第34-42页
     ·符号定义第35页
     ·基于最近特征线流形学习的人脸超分辨率算法第35-38页
     ·最近特征线人脸超分辨率方法的改进第38-39页
     ·人脸图像小块划分第39-42页
   ·实验及结果分析第42-45页
     ·人脸库介绍第42页
     ·算法参数设置第42页
     ·不同算法主客观对比结果第42-44页
     ·训练库大小对算法结果的影响第44-45页
   ·总结与展望第45-46页
第三章 基于图像块局部约束表示的噪声鲁棒人脸超分辨率算法第46-71页
   ·引言第46-49页
   ·图像块表示方法第49-50页
     ·最小二乘表示法第49-50页
     ·稀疏表示法第50页
   ·局部约束鲁棒人脸超分辨率算法第50-54页
     ·图像块局部约束表示第50-51页
     ·目标函数优化第51-52页
     ·局部约束鲁棒人脸超分辨率算法第52-54页
   ·稀疏性和局部性分析第54-58页
     ·稀疏性分析第54-56页
     ·局部性分析第56-58页
   ·实验及结果分析第58-69页
     ·人脸库介绍第59-60页
     ·FEI人脸库上的结果第60-62页
     ·参数分析第62-65页
     ·算法噪声鲁棒性测试第65-67页
     ·真实图像的超分辨率重构结果第67-69页
   ·总结与展望第69-71页
第四章 基于高分辨率流形空间约束的人脸超分辨率算法第71-96页
   ·引言第71-74页
   ·基于高分辨率流形结构保持的嵌入学习第74-80页
     ·符号定义及问题提出第74-75页
     ·局部诱导的支撑回归方法第75-80页
   ·实验结果分析第80-94页
     ·对比算法与参数设置第80-81页
     ·CAS-PEAL-R1人脸库上的对比结果第81-85页
     ·AR人脸库上的对比结果第85-86页
     ·算法参数对重构结果的影响第86-91页
     ·真实世界人脸图像上的重建结果第91-93页
     ·讨论第93-94页
   ·总结与未来工作展望第94-96页
第五章 基于局部迭代嵌入和字典渐进更新的人脸超分辨率算法第96-119页
   ·引言第96-99页
   ·相关工作第99-103页
     ·符号定义及问题提出第99-100页
     ·图像块表示方法第100-103页
   ·提出的“由粗到精”人脸超分辨率方法第103-108页
     ·局部约束迭代邻域嵌入方法第104-106页
     ·多层局部约束迭代邻域嵌入方法第106-108页
     ·计算复杂度第108页
   ·实验结果第108-118页
     ·人脸库描述第109页
     ·参数分析第109-113页
     ·与前沿算法的对比第113-115页
     ·实际人脸超分辨率重构结果第115-116页
     ·讨论第116-118页
   ·结论第118-119页
第六章 总结与展望第119-122页
   ·本文工作总结第119-120页
   ·未来工作展望第120-122页
附录 部分推导与数学证明第122-123页
 附录A 图像噪声强度与正则化参数的关系第122-123页
参考文献第123-131页
攻读博士学位期间完成的论文第131-136页
参加的科研项目第136-137页
获得国家发明专利第137-139页
获奖情况第139-140页
学术交流与学术服务第140-141页
致谢第141页

论文共141页,点击 下载论文
上一篇:时空关联规则挖掘研究
下一篇:几何观点下的线性降维算法