| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 人脸超分辨重建研究背景与研究意义 | 第9-11页 |
| 1.2 人脸超分辨重建的国内外研究现状 | 第11-14页 |
| 1.3 本文的主要工作及章节安排 | 第14-16页 |
| 第二章 学习型人脸超分辨率重建理论概述 | 第16-33页 |
| 2.1 人脸超分辨率重建相关理论 | 第16-19页 |
| 2.1.1 图像的成像理论和降质模型 | 第16-17页 |
| 2.1.2 学习型人脸超分辨率重建算法概述 | 第17-19页 |
| 2.1.3 人脸的结构相似性特征 | 第19页 |
| 2.2 基于相似性约束的人脸幻生技术 | 第19-22页 |
| 2.2.1 算法整体概述 | 第19-20页 |
| 2.2.2 四种相似性约束函数 | 第20-22页 |
| 2.3 基于流形学习和邻域嵌入的超分辨率重建技术 | 第22-29页 |
| 2.3.1 基本概念 | 第23-25页 |
| 2.3.2 基于邻域嵌入的人脸超分辨率重建算法 | 第25-28页 |
| 2.3.3 流形校正 | 第28-29页 |
| 2.4 主成分分析(PCA)在人脸图像处理中的应用 | 第29-32页 |
| 2.4.1 PCA原理 | 第30页 |
| 2.4.2 投影PCA具体阐述 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 一种基于相似性约束的迭代学习人脸幻生技术研究 | 第33-49页 |
| 3.1 研究动机 | 第33页 |
| 3.2 改进的基于相似性约束的迭代学习人脸幻生算法实现细节 | 第33-40页 |
| 3.2.1 人脸样本库的选择：自适应筛选训练集人脸样本库系统 | 第34-36页 |
| 3.2.2 采用迭代思路进行学习和重建 | 第36-38页 |
| 3.2.3 相似性约束优化 | 第38-40页 |
| 3.3 改进的基于相似性约束的迭代学习人脸幻生技术总结 | 第40-44页 |
| 3.4 实验结果与分析 | 第44-48页 |
| 3.4.1 实验环境与参数设定 | 第44页 |
| 3.4.2 实验结果的比较和分析 | 第44-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 一种改进的基于位置的邻域嵌入人脸幻生技术研究 | 第49-68页 |
| 4.1 研究动机 | 第49页 |
| 4.2 改进的基于位置的邻域嵌入人脸幻生算法实现细节 | 第49-54页 |
| 4.2.1 人脸特征 | 第49-50页 |
| 4.2.2 基于位置的人脸特征块分类集 | 第50-52页 |
| 4.2.3 LR-HR特征联合学习邻域人脸块搜索策略 | 第52-53页 |
| 4.2.4 改进的流形校正算法 | 第53-54页 |
| 4.3 改进的基于位置的邻域嵌入人脸幻生技术总结 | 第54-57页 |
| 4.4 实验结果和分析 | 第57-67页 |
| 4.4.1 实验环境和参数设定 | 第57-58页 |
| 4.4.2 实验结果的比较和分析 | 第58-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 不足与展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第74-75页 |
| 致谢 | 第75页 |
