中文摘要 | 第3-4页 |
英文摘要 | 第4-5页 |
1 绪论 | 第9-23页 |
1.1 课题研究背景与意义 | 第9-11页 |
1.2 国内外研究现状 | 第11-18页 |
1.2.1 人脸图像超分辨率重建方法研究现状 | 第11-13页 |
1.2.2 图像超分辨率重建方法研究现状 | 第13-18页 |
1.3 论文主要内容及结构安排 | 第18-22页 |
1.4 本章小结 | 第22-23页 |
2 图像超分辨率重建理论及分析 | 第23-47页 |
2.1 引言 | 第23页 |
2.2 图像超分辨率重建基础 | 第23-26页 |
2.2.1 图像超分辨率重建 | 第23-24页 |
2.2.2 图像降质过程分析 | 第24-25页 |
2.2.3 图像超分辨率重建问题数学描述及分析 | 第25-26页 |
2.3 常见的超分辨率重建方法原理分析 | 第26-34页 |
2.3.1 基于插值的超分辨率重建方法 | 第27-28页 |
2.3.2 基于重构的超分辨率重建方法 | 第28-30页 |
2.3.3 基于学习的超分辨率重建方法 | 第30-34页 |
2.4 稀疏表示模型与图像超分辨率重建 | 第34-43页 |
2.4.1 信号稀疏表示模型 | 第34-37页 |
2.4.2 稀疏表示系数优化求解算法 | 第37-39页 |
2.4.3 稀疏表示中字典学习算法 | 第39-42页 |
2.4.4 稀疏表示与图像超分辨率的关系 | 第42-43页 |
2.5 图像质量评价指标 | 第43-46页 |
2.5.1 逼真度评价指标 | 第44页 |
2.5.2 基于结构失真的评价指标 | 第44-46页 |
2.6 本章小结 | 第46-47页 |
3 基于特征字典学习和稀疏表示的人脸图像超分辨率重建 | 第47-71页 |
3.1 引言 | 第47页 |
3.2 基于稀疏表示的人脸图像超分辨率重建框架 | 第47-49页 |
3.3 基于稀疏表示的图像超分辨重建中字典特征选取问题分析 | 第49-51页 |
3.4 基于GASS-LAP特征字典和稀疏表示的人脸图像超分辨率重建方法 | 第51-56页 |
3.4.1 GASS-LAP图像特征提取方法 | 第51-53页 |
3.4.2 基于GASS-LAP特征的字典对训练方法 | 第53-56页 |
3.4.3 基于GASS-LAP特征字典和稀疏表示的高分辨人脸图像重构 | 第56页 |
3.5 基于SAE特征字典和稀疏表示的人脸图像超分辨率重建方法 | 第56-61页 |
3.5.1 SAE模型及图像特征提取方法 | 第57-58页 |
3.5.2 SAE模型训练方法 | 第58-60页 |
3.5.3 基于SAE特征的字典训练方法 | 第60页 |
3.5.4 基于SAE特征字典和稀疏表示的高分辨人脸图像重构 | 第60-61页 |
3.6 仿真实验 | 第61-69页 |
3.6.1 实验说明 | 第61-63页 |
3.6.2 本章所提的两种特征字典的学习训练构造效果 | 第63-65页 |
3.6.3 不同方法下人脸图像重建质量仿真效果对比及分析 | 第65-69页 |
3.7 本章小结 | 第69-71页 |
4 基于GAPG-TV和稀疏表示的人脸图像超分辨率重建 | 第71-89页 |
4.1 引言 | 第71页 |
4.2 离散全变分TV模型 | 第71-73页 |
4.3 基于GAPG-TV的图像恢复 | 第73-79页 |
4.3.1 加速临近梯度APG算法 | 第73-75页 |
4.3.2 广义加速临近梯度GAPG算法 | 第75-76页 |
4.3.3 各向异性全变分GAPG图像恢复 | 第76-79页 |
4.4 基于GAPG-TV和稀疏表示的人脸图像超分辨率重建方法 | 第79-82页 |
4.4.1 基于GAPG-TV和稀疏表示的人脸图像超分辨率重建框架 | 第79-80页 |
4.4.2 高分辨率纹理图像处理 | 第80-81页 |
4.4.3 基于GAPG-TV的高分辨率人脸图像重构 | 第81-82页 |
4.5 仿真实验 | 第82-87页 |
4.5.1 实验说明 | 第82-83页 |
4.5.2 不同方法下图像重建质量仿真效果对比及分析 | 第83-87页 |
4.6 本章小结 | 第87-89页 |
5 总结与展望 | 第89-93页 |
5.1 论文工作总结 | 第89-90页 |
5.2 工作展望 | 第90-93页 |
致谢 | 第93-95页 |
参考文献 | 第95-103页 |
附录 | 第103页 |
A.作者在攻读硕士学位期间发表的论文目录 | 第103页 |
B.作者在攻读硕士学位期间取得的科研成果目录 | 第103页 |