| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-15页 |
| 缩略语对照表 | 第15-21页 |
| 第一章 绪论 | 第21-31页 |
| 1.1 研究背景与意义 | 第21-23页 |
| 1.2 研究进展与现状 | 第23-26页 |
| 1.3 本文的主要研究工作 | 第26-27页 |
| 1.4 本文的组织结构 | 第27-31页 |
| 第二章 基于概率图模型和多特征表示的异质人脸图像合成 | 第31-55页 |
| 2.1 引言 | 第31页 |
| 2.2 概率图模型 | 第31-33页 |
| 2.3 异质人脸图像多特征表示的选择 | 第33-36页 |
| 2.4 基于概率图模型和多特征表示的人脸画像合成方法 | 第36-40页 |
| 2.5 算法复杂度分析 | 第40页 |
| 2.6 实验结果与分析 | 第40-54页 |
| 2.6.1 人脸画像-照片合成实验结果与分析 | 第42-45页 |
| 2.6.2 跨数据库合成实验结果与分析 | 第45-46页 |
| 2.6.3 数据库风格合成结果与分析 | 第46-49页 |
| 2.6.4 合成人脸图像质量评价与人脸识别率分析 | 第49-51页 |
| 2.6.5 真实场景下法医素描图像合成与识别结果分析 | 第51-54页 |
| 2.7 小结 | 第54-55页 |
| 第三章 基于概率图模型与超像素划分的异质人脸图像合成 | 第55-71页 |
| 3.1 引言 | 第55页 |
| 3.2 基于超像素划分的概率图模型构建 | 第55-59页 |
| 3.3 两阶段异质人脸图像合成方法 | 第59-60页 |
| 3.4 算法复杂度分析 | 第60页 |
| 3.5 实验结果与分析 | 第60-69页 |
| 3.5.1 人脸画像-照片合成实验结果与分析 | 第63-65页 |
| 3.5.2 合成人脸图像质量评价结果与分析 | 第65-68页 |
| 3.5.3 基于合成图像的异质人脸识别结果与分析 | 第68-69页 |
| 3.6 小结 | 第69-71页 |
| 第四章 基于概率图模型表示的异质人脸图像识别 | 第71-87页 |
| 4.1 引言 | 第71页 |
| 4.2 概率图模型表示特征的定义与提取 | 第71-73页 |
| 4.3 成对表示相似性度量矩阵 | 第73-74页 |
| 4.4 算法复杂度分析 | 第74-75页 |
| 4.5 实验结果与分析 | 第75-85页 |
| 4.5.1 实验数据库介绍 | 第75-77页 |
| 4.5.2 算法参数选择 | 第77-79页 |
| 4.5.3 人脸画像-照片识别结果与分析 | 第79-83页 |
| 4.5.4 人脸近红外-可见光图像识别结果与分析 | 第83页 |
| 4.5.5 人脸热红外-可见光图像识别结果与分析 | 第83-85页 |
| 4.6 小结 | 第85-87页 |
| 第五章 基于稀疏概率图模型与判别分析的异质人脸图像识别 | 第87-99页 |
| 5.1 引言 | 第87页 |
| 5.2 自适应稀疏的概率图模型表示特征定义与提取 | 第87-88页 |
| 5.3 基于人脸空域划分的判别分析框架 | 第88-91页 |
| 5.4 算法复杂度分析 | 第91页 |
| 5.5 实验结果与分析 | 第91-98页 |
| 5.5.1 算法参数选择 | 第91-94页 |
| 5.5.2 多种场景下异质人脸图像识别结果与分析 | 第94-98页 |
| 5.6 小结 | 第98-99页 |
| 第六章 基于多画像的异质人脸图像识别：场景定义、实验设计与验证 | 第99-113页 |
| 6.1 引言 | 第99页 |
| 6.2 人脸画像数据库介绍 | 第99-101页 |
| 6.3 基于多画像的异质人脸图像识别场景定义与实验设计 | 第101-105页 |
| 6.4 基准算法介绍 | 第105-106页 |
| 6.5 实验结果与分析 | 第106-110页 |
| 6.6 小结 | 第110-113页 |
| 第七章 总结与展望 | 第113-117页 |
| 7.1 本文总结 | 第113-114页 |
| 7.2 研究展望 | 第114-117页 |
| 参考文献 | 第117-127页 |
| 致谢 | 第127-129页 |
| 作者简介 | 第129-132页 |
