基于学习的幻构人脸技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 幻构人脸技术研究的意义与背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于插值法 | 第11页 |
| 1.2.2 基于重建技术 | 第11-13页 |
| 1.2.3 基于学习方法 | 第13-16页 |
| 1.3 本文的主要研究内容 | 第16-18页 |
| 第二章 图像超分辨率重构理论 | 第18-34页 |
| 2.1 图像超分辨率重构基础 | 第18-20页 |
| 2.1.1 图像退化模型 | 第18-19页 |
| 2.1.2 图像超分辨率重构基础理论 | 第19-20页 |
| 2.2 稀疏表示理论 | 第20-26页 |
| 2.2.1 稀疏表示模型 | 第20-21页 |
| 2.2.2 稀疏表示系数求解算法 | 第21-23页 |
| 2.2.3 稀疏字典学习算法 | 第23-26页 |
| 2.3 卷积神经网络理论 | 第26-31页 |
| 2.3.1 卷积神经网络的模型结构 | 第26-27页 |
| 2.3.2 卷积神经网络训练优化算法 | 第27-31页 |
| 2.4 图像质量评估指标 | 第31-33页 |
| 2.4.1 逼真度评估 | 第31-32页 |
| 2.4.2 结构失真度评估 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 稀疏表示与人脸结构联合幻构人脸技术 | 第34-56页 |
| 3.1 基于过完备稀疏表示的人脸纹理重构 | 第34-41页 |
| 3.1.1 基于稀疏表示的人脸重建框架 | 第34-35页 |
| 3.1.2 稀疏字典训练 | 第35-39页 |
| 3.1.3 稀疏重构 | 第39-41页 |
| 3.2 基于梯度估计的边缘重构 | 第41-49页 |
| 3.2.1 人脸成分梯度图 | 第42-43页 |
| 3.2.2 人脸轮廓梯度图 | 第43-46页 |
| 3.2.3 人脸逆向恢复 | 第46-49页 |
| 3.3 实验结果与分析 | 第49-54页 |
| 3.4 本章小结 | 第54-56页 |
| 第四章 基于卷积神经网络的幻构人脸技术 | 第56-72页 |
| 4.1 基于CNN的超分辨率重构技术 | 第56-59页 |
| 4.1.1 网络结构 | 第56-58页 |
| 4.1.2 SRCNN与稀疏编码的联系 | 第58-59页 |
| 4.1.3 网络训练 | 第59页 |
| 4.2 改进的卷积神经网络幻构人脸技术 | 第59-63页 |
| 4.2.1 提出的网络 | 第59-60页 |
| 4.2.2 残差学习 | 第60-61页 |
| 4.2.3 学习率设置 | 第61-63页 |
| 4.3 实验结果与分析 | 第63-71页 |
| 4.3.1 不同算法性能对比实验 | 第63-68页 |
| 4.3.2 基于不同参数的模型性能对比实验 | 第68-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 工作总结 | 第72-73页 |
| 5.2 不足与展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间所取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |
