| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-15页 |
| 缩略语对照表 | 第15-19页 |
| 第一章 绪论 | 第19-23页 |
| 1.1 研究背景和意义 | 第19-20页 |
| 1.2 本文的主要工作以及章节安排 | 第20-23页 |
| 第二章 异质人脸图像合成模型分析及对比研究 | 第23-33页 |
| 2.1 引言 | 第23页 |
| 2.2 基于子空间学习的人脸图像合成方法 | 第23-26页 |
| 2.2.1 基于线性子空间学习的方法 | 第24-25页 |
| 2.2.2 基于流形学习的方法 | 第25-26页 |
| 2.3 基于稀疏表示的人脸图像合成方法 | 第26-27页 |
| 2.3.1 稀疏表示 | 第26页 |
| 2.3.2 基于稀疏表示的人脸图像合成方法 | 第26-27页 |
| 2.4 基于贝叶斯学习的人脸图像合成方法 | 第27-32页 |
| 2.4.1 基于嵌入式隐马尔科夫模型的人脸图像合成方法 | 第28-30页 |
| 2.4.2 基于马尔科夫随机场的人脸合成方法 | 第30-32页 |
| 2.5 小结 | 第32-33页 |
| 第三章 基于稀疏特征选择的异质人脸图像合成 | 第33-39页 |
| 3.1 引言 | 第33页 |
| 3.2 稀疏特征选择 | 第33-35页 |
| 3.3 实验结果与分析 | 第35-38页 |
| 3.4 小结 | 第38-39页 |
| 第四章 基于幻象技术的异质人脸图像合成 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 人脸幻象 | 第39-43页 |
| 4.3 细节增强的人脸画像-照片合成方法 | 第43-45页 |
| 4.4 实验结果与分析 | 第45-47页 |
| 4.5 小结 | 第47-51页 |
| 第五章 基于直推式学习的异质人脸图像合成 | 第51-71页 |
| 5.1 引言 | 第51页 |
| 5.2 基于直推式学习的人脸画像合成方法 | 第51-60页 |
| 5.2.1 概率模型 | 第53-57页 |
| 5.2.2 算法优化实现细节 | 第57-59页 |
| 5.2.3 算法复杂度 | 第59-60页 |
| 5.3 实验结果与分析 | 第60-69页 |
| 5.4 小结 | 第69-71页 |
| 第六章 合成人脸画像的质量评价 | 第71-85页 |
| 6.1 引言 | 第71页 |
| 6.2 图像质量评价算法 | 第71-76页 |
| 6.3 合成人脸画像质量评价库的构建 | 第76-80页 |
| 6.4 客观质量评价及分析 | 第80-83页 |
| 6.5 小结 | 第83-85页 |
| 第七章 异质人脸图像合成的应用 | 第85-101页 |
| 7.1 引言 | 第85-86页 |
| 7.2 人脸对齐 | 第86-95页 |
| 7.3 基于画像-照片合成的人脸识别 | 第95-98页 |
| 7.4 小结 | 第98-101页 |
| 第八章 总结与展望 | 第101-105页 |
| 8.1 研究结论 | 第101-103页 |
| 8.2 研究展望 | 第103-105页 |
| 参考文献 | 第105-121页 |
| 致谢 | 第121-125页 |
| 作者简介 | 第125-127页 |