| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 研究背景及意义 | 第14-19页 |
| 1.2 国内外研究现状 | 第19-27页 |
| 1.2.1 跨模态人脸合成 | 第19-22页 |
| 1.2.2 图像去噪 | 第22-25页 |
| 1.2.3 图像去模糊 | 第25-26页 |
| 1.2.4 图像纹理平滑 | 第26-27页 |
| 1.3 目前研究中的主要问题 | 第27-29页 |
| 1.4 论文的主要研究内容 | 第29-32页 |
| 第2章 诱导稀疏正则化理论和模型 | 第32-58页 |
| 2.1 引言 | 第32页 |
| 2.2 基本原理 | 第32-37页 |
| 2.2.1 正则化方法 | 第32-35页 |
| 2.2.2 稀疏表示方法 | 第35-37页 |
| 2.3 基于广义高斯分布的诱导稀疏正则化模型 | 第37-56页 |
| 2.3.1 广义高斯分布用于自然图像梯度统计建模 | 第39-43页 |
| 2.3.2 L_p范数正则化模型 | 第43-49页 |
| 2.3.3 基于增广拉格朗日方法的模型求解 | 第49-52页 |
| 2.3.4 直方图匹配约束 | 第52-56页 |
| 2.4 本章小结 | 第56-58页 |
| 第3章 细节增强方法用于跨模态人脸合成 | 第58-79页 |
| 3.1 引言 | 第58-59页 |
| 3.2 跨模态人脸合成 | 第59-67页 |
| 3.2.1 初始人脸合成 | 第60-63页 |
| 3.2.2 人脸合成纹理迁移 | 第63-67页 |
| 3.3 实验结果及分析 | 第67-78页 |
| 3.3.1 算法步骤分析 | 第67-69页 |
| 3.3.2 人脸素描图像合成算法对比 | 第69-74页 |
| 3.3.3 人脸照片合成算法对比 | 第74-76页 |
| 3.3.4 近红外人脸图像合成 | 第76-78页 |
| 3.4 本章小结 | 第78-79页 |
| 第4章 区域自适应梯度建模用于图像纹理平滑 | 第79-100页 |
| 4.1 引言 | 第79页 |
| 4.2 图像纹理平滑 | 第79-88页 |
| 4.2.1 区域自适应梯度分布模型 | 第80-86页 |
| 4.2.2 优化模型和算法 | 第86-88页 |
| 4.3 实验结果和分析 | 第88-99页 |
| 4.3.1 参数设置 | 第88页 |
| 4.3.2 纹理平滑结果对比 | 第88-93页 |
| 4.3.3 算法讨论 | 第93-99页 |
| 4.4 本章小结 | 第99-100页 |
| 第5章 基于梯度直方图匹配的纹理增强图像去噪 | 第100-119页 |
| 5.1 引言 | 第100页 |
| 5.2 纹理增强图像去噪 | 第100-108页 |
| 5.2.1 梯度直方图匹配去噪模型 | 第101-103页 |
| 5.2.2 迭代梯度直方图匹配优化算法 | 第103-104页 |
| 5.2.3 区域自适应梯度直方图匹配 | 第104-106页 |
| 5.2.4 参考梯度直方图估计 | 第106-108页 |
| 5.3 实验结果及分析 | 第108-116页 |
| 5.3.1 参数设置 | 第108-109页 |
| 5.3.2 三种梯度直方图匹配模型比较 | 第109-111页 |
| 5.3.3 与其他去噪方法对比 | 第111-116页 |
| 5.4 本章小结 | 第116-119页 |
| 第6章 贝叶斯非参数梯度直方图估计用于纹理增强图像去模糊 | 第119-144页 |
| 6.1 引言 | 第119-120页 |
| 6.2 纹理增强图像去模糊 | 第120-134页 |
| 6.2.1 梯度直方图匹配图像去模糊模型 | 第121-123页 |
| 6.2.2 参考梯度直方图估计 | 第123-124页 |
| 6.2.3 梯度直方图估计精度分析 | 第124-134页 |
| 6.3 实验结果及分析 | 第134-142页 |
| 6.3.1 参数设置 | 第134页 |
| 6.3.2 去模糊算法对比 | 第134-142页 |
| 6.4 本章小结 | 第142-144页 |
| 结论 | 第144-146页 |
| 参考文献 | 第146-161页 |
| 攻读博士学位期间发表的论文及其他成果 | 第161-164页 |
| 致谢 | 第164-166页 |
| 个人简历 | 第166页 |