| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 超分辨率重建 | 第11-14页 |
| 1.2.1.1 基于重建的超分辨率算法 | 第11-13页 |
| 1.2.1.2 基于学习的超分辨率算法 | 第13-14页 |
| 1.2.2 稀疏表示 | 第14-15页 |
| 1.2.3 人脸感兴趣区域 | 第15-16页 |
| 1.3 重建图像质量的评价标准 | 第16-17页 |
| 1.4 论文的主要研究内容和组织结构 | 第17-20页 |
| 1.4.1 研究内容 | 第17页 |
| 1.4.2 本文的主要结构 | 第17-20页 |
| 第二章 基于感兴趣区域的人脸特征提取 | 第20-26页 |
| 2.1 引言 | 第20页 |
| 2.2 基于感兴趣区域人脸的特征提取 | 第20-24页 |
| 2.2.1 基于隐马尔科夫模型(HMM)的算法 | 第20-21页 |
| 2.2.2 基于几何形状特征的算法 | 第21-22页 |
| 2.2.3 基于主动表观模型（AAM）的算法 | 第22-24页 |
| 2.3 实验结果与分析 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于稀疏表示的人脸超分辨率重建 | 第26-44页 |
| 3.1 引言 | 第26页 |
| 3.2 稀疏表示的基础知识 | 第26-36页 |
| 3.2.1 基础理论 | 第26-27页 |
| 3.2.2 稀疏编码的优化算法 | 第27-33页 |
| 3.2.2.1 贪婪算法 | 第28-30页 |
| 3.2.2.2 l1 范数的优化算法 | 第30-32页 |
| 3.2.2.3 其他算法 | 第32-33页 |
| 3.2.3 更新字典的算法设计 | 第33-36页 |
| 3.2.3.1 最佳方向（MOD）算法原理 | 第33-34页 |
| 3.2.3.2 广义 PCA 方法 | 第34-35页 |
| 3.2.3.3 KSVD 算法原理 | 第35-36页 |
| 3.3 基于稀疏表示的人脸超分辨率重建算法设计 | 第36-42页 |
| 3.3.1 概述 | 第36页 |
| 3.3.2 算法设计 | 第36-39页 |
| 3.3.2.1 稀疏表示的字典构建 | 第37页 |
| 3.3.2.2 超分辨率重建算法 | 第37-39页 |
| 3.3.3 实验结果以及分析 | 第39-42页 |
| 3.3.3.1 人脸图像超分辨率重建质量比较 | 第39-40页 |
| 3.3.3.2 字典大小对重建质量的影响 | 第40-41页 |
| 3.3.3.3 样本个数对重建质量的影响 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于感兴趣区域和稀疏表示的人脸超分辨率重建 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 算法实现 | 第44-49页 |
| 4.2.1 基于感兴趣区域和稀疏表示的人脸超分辨率重建的基本流程 | 第44-45页 |
| 4.2.1.1 基于稀疏表示的超分辨率重建的步骤 | 第44-45页 |
| 4.2.1.2 人脸感兴趣区域特征提取的基本步骤 | 第45页 |
| 4.2.2 主要算法实现 | 第45-49页 |
| 4.2.2.1 人脸感兴趣区域的特征提取 | 第46-47页 |
| 4.2.2.2 基于稀疏表示的超分辨率重建 | 第47-49页 |
| 4.3 实验结果以及分析 | 第49-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 结论 | 第54-56页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |