| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 近年研究进展与问题 | 第9-11页 |
| 1.3 本研究贡献 | 第11页 |
| 1.4 本研究流程图与文章结构 | 第11-13页 |
| 第二章 马尔科夫随机场及其解法 | 第13-27页 |
| 2.1 预处理以及小块匹配 | 第13-16页 |
| 2.2 两个约束 | 第16-17页 |
| 2.3 马尔科夫随机场 | 第17-20页 |
| 2.3.1 马尔科夫条件 | 第17-18页 |
| 2.3.2 马尔科夫随机场建模 | 第18-19页 |
| 2.3.3 具体函数定义 | 第19-20页 |
| 2.4 循环置信度传播算法 | 第20-27页 |
| 2.4.1 无向概率图与因子图 | 第20-22页 |
| 2.4.2 置信度传播算法 | 第22-24页 |
| 2.4.3 通过信息计算归一化因子与边缘分布 | 第24页 |
| 2.4.4 循环置信度传播算法 | 第24-25页 |
| 2.4.5 最大积算法 | 第25-27页 |
| 第三章 全覆盖拼接算法 | 第27-39页 |
| 3.1 平均像素拼接方法以及其缺陷 | 第27页 |
| 3.2 最小边界误差拼接算法 | 第27-29页 |
| 3.2.1 最小边界误差 | 第28-29页 |
| 3.2.2 最小误差拼接算法缺陷 | 第29页 |
| 3.3 多尺度拼接算法 | 第29-35页 |
| 3.3.1 一个新的视角 | 第30页 |
| 3.3.2 多尺度拼接算法基本思路 | 第30-31页 |
| 3.3.3 多尺度拼接 | 第31页 |
| 3.3.4 高斯金字塔(The Gaussian pyramid) | 第31-32页 |
| 3.3.5 拉普拉斯金字塔(The Laplacian pyramid) | 第32-33页 |
| 3.3.6 拉普拉斯和 | 第33页 |
| 3.3.7 多尺度拼接算法 | 第33-34页 |
| 3.3.8 多尺度拼接算法对任意形状的应用 | 第34-35页 |
| 3.4 基于多尺度拼接的全覆盖拼接算法 | 第35-39页 |
| 3.4.1 全覆盖拼接技巧 | 第35-37页 |
| 3.4.2 全覆盖拼接技巧实例 | 第37-39页 |
| 第四章 非负矩阵分解重训练 | 第39-49页 |
| 4.1 小块大小对结果的影响 | 第39-40页 |
| 4.2 非负矩阵分解算法 | 第40-43页 |
| 4.2.1 非负矩阵分解简介 | 第40页 |
| 4.2.2 非负矩阵分解模型 | 第40-41页 |
| 4.2.3 参数更新准则及其证明 | 第41-43页 |
| 4.3 非负矩阵分解算法应用在素描重训练中 | 第43-49页 |
| 4.3.1 非负矩阵建模 | 第44页 |
| 4.3.2 素描小块的非负矩阵分解 | 第44-45页 |
| 4.3.3 非负矩阵分解重训练 | 第45-49页 |
| 第五章 人脸素描的全局优化算法 | 第49-55页 |
| 5.1 基于稀疏表示的素描学习算法 | 第49-52页 |
| 5.1.1 稀疏表示的预备知识 | 第49-50页 |
| 5.1.2 素描小块的稀疏复原 | 第50-51页 |
| 5.1.3 联系性约束 | 第51-52页 |
| 5.2 全局素描小块优化 | 第52-55页 |
| 5.2.1 全局优化公式 | 第52-53页 |
| 5.2.2 马尔科夫随机场与全局优化之间的联系 | 第53-54页 |
| 5.2.3 非负矩阵分解重训练与全局优化之间的联系 | 第54-55页 |
| 第六章 总结 | 第55-57页 |
| 6.1 全文总结 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简介 | 第61页 |
