| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究进展与现状 | 第15-19页 |
| 1.2.1 转换合成素描人脸识别研究进展与现状 | 第16-17页 |
| 1.2.2 直接素描人脸识别研究进展与现状 | 第17-18页 |
| 1.2.3 素描人脸合成与识别存在的困难 | 第18-19页 |
| 1.3 论文主要内容及章节安排 | 第19-22页 |
| 1.3.1 论文主要内容 | 第19页 |
| 1.3.2 章节安排 | 第19-22页 |
| 第二章 素描人脸图像预处理及数据库准备 | 第22-28页 |
| 2.1 素描人脸图像预处理 | 第22-25页 |
| 2.1.1 人脸图像对齐 | 第22-23页 |
| 2.1.2 人脸图像尺寸归一化 | 第23-24页 |
| 2.1.3 人脸关键部分获取 | 第24-25页 |
| 2.2 素描人脸数据库 | 第25-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 基于双尺度马尔可夫网络级联的素描人脸合成 | 第28-44页 |
| 3.1 LNSM近邻搜索方法 | 第28-29页 |
| 3.2 马尔可夫网络 | 第29-31页 |
| 3.3 双尺度马尔可夫网络级联 | 第31-35页 |
| 3.4 实验结果与分析 | 第35-42页 |
| 3.4.1 实验参数设定 | 第35-36页 |
| 3.4.2 近邻搜索方法 | 第36-37页 |
| 3.4.3 人脸素描照片合成 | 第37-40页 |
| 3.4.4 客观的质量评估 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于多特征融合的素描人脸识别 | 第44-72页 |
| 4.1 基于多HOG特征融合的素描人脸识别 | 第44-54页 |
| 4.1.1 HOG特征提取 | 第44-46页 |
| 4.1.2 PCA特征降维 | 第46-47页 |
| 4.1.3 S-NLDA特征降维 | 第47-48页 |
| 4.1.4 多HOG特征融合与识别 | 第48-49页 |
| 4.1.5 实验结果与分析 | 第49-54页 |
| 4.2 基于多PHOG特征灵敏度融合的素描人脸识别 | 第54-60页 |
| 4.2.1 PHOG特征提取 | 第55-56页 |
| 4.2.2 灵敏度加权方法 | 第56-57页 |
| 4.2.3 多PHOG特征的灵敏度加权融合与识别 | 第57-58页 |
| 4.2.4 实验结果与分析 | 第58-60页 |
| 4.3 基于结构信息和特征信息融合的素描人脸识别 | 第60-68页 |
| 4.3.1 结构信息 | 第61页 |
| 4.3.2 特征信息 | 第61-64页 |
| 4.3.3 基于图像熵的加权方法 | 第64页 |
| 4.3.4 基于结构信息和特征信息的融合与识别 | 第64-65页 |
| 4.3.5 实验结果与分析 | 第65-68页 |
| 4.4 增加属性信息的素描人脸识别 | 第68-71页 |
| 4.4.1 增加属性信息 | 第68-69页 |
| 4.4.2 实验结果与分析 | 第69-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 基于梯度全卷积神经网络的素描人脸合成 | 第72-80页 |
| 5.1 卷积神经网络的理论基础 | 第72-75页 |
| 5.1.1 人工神经网络 | 第72-73页 |
| 5.1.2 卷积神经网络 | 第73-75页 |
| 5.1.3 全卷积神经网络 | 第75页 |
| 5.2 素描人脸合成 | 第75-79页 |
| 5.2.1 基于全卷积神经网络的素描人脸合成 | 第75-76页 |
| 5.2.2 基于梯度全卷积神经网络的素描人脸合成 | 第76-77页 |
| 5.2.3 实验结果与分析 | 第77-79页 |
| 5.3 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 本文工作总结 | 第80-81页 |
| 6.2 后续展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 攻读学位期间发表的学术论文 | 第90-91页 |
| 学位论文评阅及答辩情况表 | 第91页 |