| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的和意义 | 第10-12页 |
| 1.3 相关研究工作概述 | 第12-16页 |
| 1.3.1 人脸检测算法概述 | 第12-13页 |
| 1.3.2 人脸特征点定位算法概述 | 第13-15页 |
| 1.3.3 数字化妆算法研究现状概述 | 第15-16页 |
| 1.4 本文完成的工作 | 第16页 |
| 1.5 本文结构 | 第16-18页 |
| 第二章 人脸图像变形对准算法 | 第18-25页 |
| 2.1 简介 | 第18-19页 |
| 2.2 图像变形过程概述 | 第19-20页 |
| 2.3 自由形状变形 | 第20-23页 |
| 2.4 多层次自由形状变形 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于改进的引导滤波器的图层分解算法 | 第25-40页 |
| 3.1 简介 | 第25-26页 |
| 3.2 图层分解算法框架 | 第26-27页 |
| 3.3 边缘保留平滑滤波器 | 第27-30页 |
| 3.3.1 双边滤波器 | 第28-29页 |
| 3.3.2 基于WLS的边缘保留平滑滤波器 | 第29-30页 |
| 3.4 改进的引导滤波器 | 第30-37页 |
| 3.4.1 引导滤波器介绍 | 第30-32页 |
| 3.4.2 引导滤波器的改进 | 第32-36页 |
| 3.4.3 改进的引导滤波器的时间复杂度分析 | 第36-37页 |
| 3.5 时间复杂度的实验与分析 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 整体算法流程及图层合成算法改进 | 第40-48页 |
| 4.1 简介 | 第40-41页 |
| 4.2 基于样本模板的数字化妆算法整体流程 | 第41-42页 |
| 4.3 人脸图像图层合成算法及其改进 | 第42-44页 |
| 4.4 实验与分析 | 第44-45页 |
| 4.5 本章小结 | 第45-48页 |
| 第五章 基于样本模板的数字化妆算法的应用 | 第48-62页 |
| 5.1 简介 | 第48-49页 |
| 5.2 单图超分辨率重构算法 | 第49-52页 |
| 5.2.1 单图超分辨率重构算法简介 | 第49页 |
| 5.2.2 基于样本的超分辨率重构算法 | 第49-52页 |
| 5.3 数字化妆移动端应用现状及与本文效果对比 | 第52-56页 |
| 5.4 基于样本模板的数字化妆算法的iOS应用实现 | 第56-61页 |
| 5.4.1 系统架构及服务端简介 | 第56-57页 |
| 5.4.2 iOS客户端应用的实现 | 第57-61页 |
| 5.5 本章小结 | 第61-62页 |
| 总结与展望 | 第62-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附件 | 第72页 |