| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 人脸美化 | 第11-12页 |
| 1.1.2 移动互联网和图片社交时代 | 第12-13页 |
| 1.1.3 云计算和Windows Azure云平台 | 第13页 |
| 1.1.4 应用发展现状 | 第13页 |
| 1.2 研究目的和意义 | 第13-14页 |
| 1.3 本文完成的工作 | 第14-15页 |
| 1.4 本文结构 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 边缘保持平滑滤波与图层分解 | 第16-38页 |
| 2.1 双边滤波器(bilateral filter) | 第17-20页 |
| 2.1.1 基本模型 | 第17-18页 |
| 2.1.2 双边滤波模型与高斯滤波模型对比 | 第18页 |
| 2.1.3 双边滤波模型的特性分析 | 第18-20页 |
| 2.2 加权最小二乘滤波器 (weighted least squares filter) | 第20-21页 |
| 2.2.1 基本原理 | 第20-21页 |
| 2.2.2 加权最小二乘滤波器的特性分析 | 第21页 |
| 2.3 引导滤波器(guided filter) | 第21-27页 |
| 2.3.1 基本模型 | 第21-23页 |
| 2.3.2 引导滤波器算法 | 第23-26页 |
| 2.3.3 引导滤波器边缘保持特性分析 | 第26-27页 |
| 2.4 图层分解 | 第27-29页 |
| 2.4.1 图层分解流程 | 第27页 |
| 2.4.2 RGB空间与CIEL*A*B*空间的转换 | 第27-29页 |
| 2.5 滤波器及图层分解对比实验 | 第29-37页 |
| 2.5.1 实验一不同滤波器之间的效果对比 | 第29-31页 |
| 2.5.2 实验二滤波器在不同参数下的效果 | 第31-34页 |
| 2.5.3 实验三滤波效率对比 | 第34-36页 |
| 2.5.4 实验四不同滤波器光滑度图层与亮度图层的分解效果对比 | 第36页 |
| 2.5.5 实验小结 | 第36-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 基于编辑传播的人脸皮肤美化 | 第38-58页 |
| 3.1 美化处理区域选择算法的分析 | 第38-39页 |
| 3.2 泊松图像编辑 | 第39-42页 |
| 3.2.1 泊松图像编辑算法的原理 | 第39-41页 |
| 3.2.2 算法效果 | 第41-42页 |
| 3.3 自适应区域感知蒙板 | 第42-45页 |
| 3.3.1 编辑传播模型 | 第43-44页 |
| 3.3.2 蒙板生成模型 | 第44-45页 |
| 3.3.3 图层增强与自动化参数设定 | 第45页 |
| 3.4 线性系统求解算法的分析 | 第45-50页 |
| 3.4.1 高斯消元法(Gaussian Elimination) | 第46页 |
| 3.4.2 迭代求解 | 第46-49页 |
| 3.4.3 多重网格法 | 第49-50页 |
| 3.5 算法优化 | 第50-52页 |
| 3.5.1 共轭梯度下降法迭代求解 | 第50-51页 |
| 3.5.2 类多重网格法 | 第51-52页 |
| 3.6 本文实现效果与效率实验 | 第52-57页 |
| 3.6.1 实验一共轭梯度下降法、类多重网格法与稀疏矩阵求解法的蒙板效果对比 | 第52-54页 |
| 3.6.2 实验二本文蒙板的效果与文献[23]的效果对比 | 第54-55页 |
| 3.6.3 实验三本文美化效果与文献[23]的美化效果对比 | 第55页 |
| 3.6.4 实验四本文优化前后整体美化效果对比 | 第55-56页 |
| 3.6.5 实验五本文优化前后的整体效率对比 | 第56-57页 |
| 3.6.6 实验小结 | 第57页 |
| 3.7 本章小结 | 第57-58页 |
| 第四章 基于分段线性仿射的人脸变形 | 第58-66页 |
| 4.1 多层次自由形状变形算法 | 第58-59页 |
| 4.2 三角剖分和线性仿射 | 第59-62页 |
| 4.2.1 Delaunay三角剖分 | 第59-60页 |
| 4.2.2 线性仿射 | 第60-61页 |
| 4.2.3 双线性插值 | 第61-62页 |
| 4.3 人脸变形效果与效率实验 | 第62-65页 |
| 4.3.1 实验一变形算法效果对比 | 第62-64页 |
| 4.3.2 实验二变形效率算法对比 | 第64-65页 |
| 4.3.3 实验小结 | 第65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 个性化人脸美化系统实现 | 第66-80页 |
| 5.1 个性化人脸美化系统整体框架 | 第66-67页 |
| 5.2 辅助算法 | 第67-72页 |
| 5.2.1 基于Procrustes的脸型归一化模块 | 第67-68页 |
| 5.2.2 特征点定位模块 | 第68-70页 |
| 5.2.3 基于KNN的相似脸搜索模块和平均脸合成模块 | 第70-72页 |
| 5.3 基于个性化人脸美化技术算法库的实现及应用 | 第72-76页 |
| 5.3.0 编程实现 | 第72页 |
| 5.3.1 基于人脸美化模块的PC版Demo | 第72-73页 |
| 5.3.2 基于人脸美化模块与intel RealSense结合的美化应用 | 第73-74页 |
| 5.3.3 基于平均脸模块的人脸合成Demo | 第74-75页 |
| 5.3.4 基于本文美化算法的云服务 | 第75-76页 |
| 5.4 对比其它美化产品 | 第76-79页 |
| 5.4.1 对比美图秀秀 | 第76-77页 |
| 5.4.2 对比百度魔图 | 第77-78页 |
| 5.4.3 实验小结 | 第78-79页 |
| 5.5 本章小结 | 第79-80页 |
| 总结与展望 | 第80-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-89页 |
| 致谢 | 第89-90页 |
| 附表 | 第90页 |
