首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

低质量无约束人脸图像下的超分辨率摆正

摘要第4-5页
ABSTRACT第5-6页
注释表第11-12页
缩略词第12-14页
第一章 绪论第14-22页
    1.1 选题背景及意义第14-15页
    1.2 人脸识别技术与研究现状第15-19页
        1.2.1 人脸识别技术的发展阶段第15页
        1.2.2 人脸识别技术的分类第15-16页
        1.2.3 人脸识别系统的构成第16-17页
        1.2.4 低质量无约束人脸识别研究现状第17-19页
    1.3 本文主要研究内容第19-20页
    1.4 本文章节安排第20-22页
第二章 低分辨率人脸识别相关技术研究第22-30页
    2.1 章节概述第22-23页
    2.2 基于分辨率稳健特征的人脸识别第23-24页
        2.2.1 基于特征的方法第23页
        2.2.2 基于结构的方法第23-24页
    2.3 基于重建的图像超分辨率方法第24-27页
        2.3.1 基于插值的方法第24-26页
        2.3.2 基于建模的方法第26-27页
    2.4 基于学习的图像超分辨率方法第27-30页
        2.4.1 基于稀疏表示的方法第27-29页
        2.4.2 基于深度学习的方法第29-30页
第三章 基于改进的递归卷积神经网络人脸超分辨率重构第30-48页
    3.1 卷积神经网络第30-34页
        3.1.1 卷积神经网络介绍第30页
        3.1.2 卷积神经网络的主要结构第30-33页
        3.1.3 卷积神经网络的训练第33-34页
    3.2 基于卷积神经网络的人脸图像超分辨率重构第34-38页
        3.2.1 图像质量评估指标PSNR与SSIM第35-36页
        3.2.2 SRCNN网络结构第36-38页
    3.3 基于递归卷积神经网络的图像超分辨率重构第38-43页
        3.3.1 梯度消失与梯度爆炸第38页
        3.3.2 递归卷积神经网络第38-40页
        3.3.3 基于递归监督与跳跃连接的递归卷积神经网络第40-42页
        3.3.4 基于感知损失的超分辨率网络第42-43页
    3.4 实验与分析第43-46页
        3.4.1 实验细节第43-44页
        3.4.2 基于评估指标PSNR和SSIM的超分辨率重构第44-46页
        3.4.3 基于人脸识别的超分辨率重构第46页
    3.5 本章小结第46-48页
第四章 基于 3D纹理模型的人脸摆正第48-57页
    4.1 多姿态人脸识别算法介绍第48-49页
    4.2 基于 3D人脸纹理模型的正面视图合成第49-50页
        4.2.1 基于正面视图合成的多姿态人脸识别第49页
        4.2.2 基于 3D人脸纹理模型的面部摆正算法第49-50页
    4.3 基于SDM的人脸对齐第50-52页
        4.3.1 人脸对齐方法概述第50页
        4.3.2 基于SDM的人脸特征点检测第50-52页
    4.4 姿态与能见度估计第52-53页
        4.4.1 姿态估计第52-53页
        4.4.2 能见度估计第53页
    4.5 实验与分析第53-56页
        4.5.1 基于 3D人脸纹理模型的摆正效果第53-54页
        4.5.2 基于人脸识别的姿态校正第54-56页
        4.5.3 基于性别估计的姿态校正第56页
    4.6 本章小结第56-57页
第五章 超分辨率下的人脸摆正算法第57-63页
    5.1 基于遮挡检测鲁棒的人脸摆正算法第57-59页
        5.1.1 基于Gabor与SVM的性别估计第57-58页
        5.1.2 遮挡检测与区域填充第58-59页
    5.2 高分辨率正面人脸获取模型第59-60页
    5.3 实验第60-62页
        5.3.1 基于带遮挡样本的姿态校正第60-61页
        5.3.2 基于低质量无约束人脸样本的超分辨率摆正第61-62页
    5.4 本章小结第62-63页
第六章 总结与展望第63-65页
    6.1 总结第63-64页
    6.2 展望第64-65页
参考文献第65-71页
致谢第71-72页
在学期间的研究成果及发表的学术论文第72页

论文共72页,点击 下载论文
上一篇:手机壳体表面缺陷视觉检测技术研究
下一篇:面向嵌入式系统的可信远程证明技术的研究