基于改进正则化超分辨率重建方法的人脸识别研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题背景及研究意义 | 第9-11页 |
| ·人脸识别 | 第9-10页 |
| ·超分辨率图像重建技术 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·人脸识别 | 第11-12页 |
| ·超分辨率图像重建技术 | 第12-13页 |
| ·本文研究内容和结构安排 | 第13-15页 |
| ·论文的主要研究内容 | 第13页 |
| ·本文的安排 | 第13-15页 |
| 第二章 人脸检测和辨别 | 第15-29页 |
| ·人脸辨别系统 | 第15-16页 |
| ·检测算法 | 第16-17页 |
| ·统计的算法 | 第16页 |
| ·基于知识的人脸检测方法 | 第16-17页 |
| ·基于肤色的人脸检测方法 | 第17页 |
| ·模板匹配的算法 | 第17页 |
| ·ASM 方法 | 第17-22页 |
| ·ASM 算法简述 | 第17-21页 |
| ·ASM 算法存在的不足及改进 | 第21-22页 |
| ·人脸特征提取 | 第22-24页 |
| ·Gabor 小波基 | 第22-23页 |
| ·Gabor 基作特征抽取 | 第23-24页 |
| ·分类辨别 | 第24-27页 |
| ·常见的降维方法 | 第24页 |
| ·改进的 PCA+LDA 方法 | 第24-26页 |
| ·分类准则 | 第26-27页 |
| ·本章总结 | 第27-29页 |
| 第三章 改进的正则化重建方法 | 第29-49页 |
| ·超分辨率重建算法概述 | 第29-30页 |
| ·降质模型 | 第30-32页 |
| ·超分辨率重建方法 | 第32-35页 |
| ·重建的算法 | 第32-35页 |
| ·学习的算法 | 第35页 |
| ·局部自适应双边全变分正则化方法 | 第35-38页 |
| ·病态问题及正则化处理 | 第35-36页 |
| ·数据误差项 | 第36-37页 |
| ·局部自适应双边全变分正则化项 | 第37-38页 |
| ·RLSR 方法 | 第38-46页 |
| ·RLSR 方法的新颖性和贡献 | 第38-40页 |
| ·线性聚类 | 第40-43页 |
| ·映射关系学习 | 第43-45页 |
| ·DSR 算法 | 第45-46页 |
| ·改进的自适应正则化重建方法的实现 | 第46-48页 |
| ·本章总结 | 第48-49页 |
| 第四章 实验结果与分析 | 第49-57页 |
| ·检测识别方法验证 | 第49-53页 |
| ·人脸库搭建 | 第49-50页 |
| ·检测效果和分析 | 第50-51页 |
| ·识别效果和分析 | 第51-53页 |
| ·超分辨重建算法验证 | 第53-56页 |
| ·重建图像质量的评价标准 | 第53-54页 |
| ·视觉质量实验 | 第54-55页 |
| ·识别性能比较 | 第55-56页 |
| ·本章总结 | 第56-57页 |
| 第五章 基于低分辨率的人脸辨别系统的搭建 | 第57-65页 |
| ·低分辨率人脸识别系统 | 第57-62页 |
| ·超分辨率人脸图像重建模块 | 第57-59页 |
| ·人脸检测模块 | 第59-60页 |
| ·特征提取及降维模块 | 第60-61页 |
| ·分类识别模块 | 第61-62页 |
| ·低分辨率人脸辨别系统的流程图 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·文章的重点内容 | 第65页 |
| ·存在的不足及展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
