| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-28页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-24页 |
| 1.2.1 全局脸方法研究现状 | 第16-19页 |
| 1.2.2 局部脸方法研究现状 | 第19-22页 |
| 1.2.3 结合全局和局部脸方法研究现状 | 第22-23页 |
| 1.2.4 稀疏表示图像超分辨率研究现状 | 第23-24页 |
| 1.3 现有方法存在的问题 | 第24-25页 |
| 1.4 论文的组织结构 | 第25-28页 |
| 第2章 基于K近邻稀疏编码均值约束的人脸超分辨率算法研究 | 第28-45页 |
| 2.1 引言 | 第28-30页 |
| 2.2 图像超分辨率的稀疏表示模型 | 第30-33页 |
| 2.2.1 图像的稀疏表示 | 第30-31页 |
| 2.2.2 图像超分辨率重建 | 第31-33页 |
| 2.3 基于K近邻稀疏编码均值约束的人脸超分辨率 | 第33-38页 |
| 2.3.1 基于位置块的冗余字典学习 | 第33-34页 |
| 2.3.2 K近邻稀疏编码均值约束项构建 | 第34-35页 |
| 2.3.3 正则化参数 | 第35-37页 |
| 2.3.4 目标函数优化 | 第37-38页 |
| 2.4 实验结果及分析 | 第38-44页 |
| 2.4.1 CAS-PEAL-R1库简介 | 第39-40页 |
| 2.4.2 算法参数设置 | 第40页 |
| 2.4.3 不同算法主客观对比结果 | 第40-42页 |
| 2.4.4 算法噪声鲁棒性测试 | 第42-44页 |
| 2.5 本章小结 | 第44-45页 |
| 第3章 基于高维图约束稀疏编码的人脸超分辨率算法研究 | 第45-64页 |
| 3.1 引言 | 第45-47页 |
| 3.2 图约束稀疏编码 | 第47-48页 |
| 3.2.1 图的构建 | 第47页 |
| 3.2.2 图约束稀疏编码 | 第47-48页 |
| 3.3 基于图约束稀疏编码的人脸超分辨率算法 | 第48-54页 |
| 3.3.1 符号定义及问题提出 | 第49-50页 |
| 3.3.2 高维图约束子字典对学习 | 第50-52页 |
| 3.3.3 高分辨率人脸图像重建 | 第52-54页 |
| 3.4 高维图约束稀疏编码的有效性分析 | 第54-56页 |
| 3.5 实验结果及分析 | 第56-63页 |
| 3.5.1 人脸库简介 | 第56-57页 |
| 3.5.2 算法参数分析 | 第57-58页 |
| 3.5.3 不同算法的主客观结果 | 第58-60页 |
| 3.5.4 实际场景人脸图像重建结果 | 第60-62页 |
| 3.5.5 讨论 | 第62-63页 |
| 3.6 本章小结 | 第63-64页 |
| 第4章 基于多形态稀疏表示的人脸超分辨率算法研究 | 第64-78页 |
| 4.1 引言 | 第64-66页 |
| 4.2 人脸的多形态稀疏表示模型 | 第66-68页 |
| 4.2.1 多形态稀疏表示 | 第66-67页 |
| 4.2.2 MCA图像分解 | 第67-68页 |
| 4.3 基于多形态稀疏表示的人脸超分辨率 | 第68-71页 |
| 4.3.1 符号定义及问题提出 | 第68-69页 |
| 4.3.2 多成份字典学习 | 第69页 |
| 4.3.3 高分辨率人脸的重建 | 第69-71页 |
| 4.4 实验结果及分析 | 第71-76页 |
| 4.4.1 人脸库简介 | 第72-73页 |
| 4.4.2 参数设置 | 第73-74页 |
| 4.4.3 不同算法的主客观结果 | 第74-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第5章 总结与展望 | 第78-81页 |
| 5.1 本文的贡献与创新之处 | 第78-79页 |
| 5.2 研究展望 | 第79-81页 |
| 参考文献 | 第81-88页 |
| 攻读博士学位期间发表论文及参与项目 | 第88-91页 |
| 致谢 | 第91页 |