超低分辨率人脸对齐与重构
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究的背景和意义 | 第11-12页 |
| 1.2 人脸对齐研究现状 | 第12-13页 |
| 1.2.1 主动形状模型方法 | 第12页 |
| 1.2.2 主动外观模型方法 | 第12页 |
| 1.2.3 其他方法 | 第12-13页 |
| 1.3 超分辨率人脸图像重构研究现状 | 第13-16页 |
| 1.3.1 基于重建的方法 | 第13-14页 |
| 1.3.2 基于学习的方法 | 第14-16页 |
| 1.4 论文主要工作 | 第16-17页 |
| 1.5 论文的组织及内容安排 | 第17-19页 |
| 第2章 超低分辨率下的人脸对齐 | 第19-35页 |
| 2.1 基于贝叶斯切线模型的人脸对齐算法 | 第19-21页 |
| 2.1.1 对图像样本标注和归一化 | 第19-20页 |
| 2.1.2 建立先验模型 | 第20-21页 |
| 2.1.3 基于BTSM的新的人脸轮廓搜索 | 第21页 |
| 2.2 基于SIFT特征的人脸对齐算法的总体介绍 | 第21-23页 |
| 2.3 SIFT算法 | 第23-27页 |
| 2.3.1 SIFT特征提取 | 第23-26页 |
| 2.3.2 SIFT特征匹配 | 第26-27页 |
| 2.4 人脸图像聚类算法 | 第27-29页 |
| 2.4.1 聚类算法介绍 | 第28页 |
| 2.4.2 基于匹配点对阈值的相似度聚类算法 | 第28-29页 |
| 2.5 基于SIFT特征的人脸对齐算法 | 第29-32页 |
| 2.5.1 最小熵模板生成算法 | 第29-31页 |
| 2.5.2 最小熵对齐算法 | 第31页 |
| 2.5.3 基于SIFT特征的人脸对齐算法实现 | 第31-32页 |
| 2.6 人脸对齐参数设置 | 第32-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 超低分辨率下的人脸重构 | 第35-45页 |
| 3.1 基于特征变换的人脸重构算法 | 第36-37页 |
| 3.2 偏最小二乘回归算法 | 第37-38页 |
| 3.3 基于字典学习的半耦合重构算法 | 第38-41页 |
| 3.3.1 SCDL基本原理 | 第39-41页 |
| 3.3.2 SCDL算法实现 | 第41页 |
| 3.4 人脸重构参数设置 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 对齐与重构的实验结果与分析 | 第45-55页 |
| 4.1 实现步骤 | 第45-46页 |
| 4.2 人脸检测 | 第46-47页 |
| 4.3 人脸对齐 | 第47-51页 |
| 4.3.1 人脸图像相似度聚类的匹配点对阈值选取 | 第47-48页 |
| 4.3.2 人脸对齐实验效果图 | 第48-49页 |
| 4.3.3 对齐后的识别率分析 | 第49-51页 |
| 4.4 人脸重构 | 第51-53页 |
| 4.4.1 人脸重构实验效果图 | 第51页 |
| 4.4.2 重构后的峰值信噪比分析 | 第51-52页 |
| 4.4.3 重构后的识别率分析 | 第52-53页 |
| 4.5 实验结果分析 | 第53页 |
| 4.6 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第61-63页 |
| 致谢 | 第63页 |
