| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究进展与现状 | 第12-16页 |
| 1.2.1 人脸幻想的研究进展与现状 | 第12-14页 |
| 1.2.2 低分辨率人脸识别的研究进展与现状 | 第14-16页 |
| 1.2.3 存在的问题及发展方向 | 第16页 |
| 1.3 论文主要内容及章节安排 | 第16-19页 |
| 1.3.1 论文主要内容 | 第16-17页 |
| 1.3.2 章节安排 | 第17-19页 |
| 第二章 基于K-means字典学习的人脸幻想 | 第19-35页 |
| 2.1 基于稀疏表示的人脸幻想 | 第19-22页 |
| 2.1.1 稀疏编码重建 | 第19-20页 |
| 2.1.2 训练联合字典 | 第20-21页 |
| 2.1.3 反投影增强 | 第21-22页 |
| 2.2 基于K-means++的字典训练 | 第22-28页 |
| 2.2.1 预处理 | 第22-24页 |
| 2.2.2 字典学习 | 第24-27页 |
| 2.2.3 人脸幻想 | 第27-28页 |
| 2.3 实验结果与分析 | 第28-34页 |
| 2.3.1 噪声鲁棒性 | 第29-30页 |
| 2.3.2 不同算法下重建的高分辨率人脸图像 | 第30-31页 |
| 2.3.3 重建人脸图像的客观质量评价 | 第31-33页 |
| 2.3.4 监控视频中的人脸幻想 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 多尺度分块CS-LBP与加权PCA融合特征提取 | 第35-51页 |
| 3.1 传统特征提取算法 | 第35-40页 |
| 3.1.1 LBP特征 | 第35-37页 |
| 3.1.2 LPQ特征 | 第37-38页 |
| 3.1.3 HOG特征 | 第38-40页 |
| 3.2 融合特征提取算法 | 第40-45页 |
| 3.2.1 高斯金字塔模型 | 第40-41页 |
| 3.2.2 多尺度分块CS-LBP特征 | 第41-43页 |
| 3.2.3 加权PCA降维 | 第43-45页 |
| 3.3 实验结果与分析 | 第45-49页 |
| 3.3.1 LBP算子在不同分辨率下的识别效果 | 第45-46页 |
| 3.3.2 参数选择 | 第46-48页 |
| 3.3.3 多种特征对比 | 第48-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 监控视频中的低分辨率人脸识别系统 | 第51-59页 |
| 4.1 极限学习机 | 第51-55页 |
| 4.1.1 ELM数学模型 | 第52页 |
| 4.1.2 ELM分类器学习 | 第52-53页 |
| 4.1.3 实验结果与分析 | 第53-55页 |
| 4.2 监控系统平台 | 第55-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-63页 |
| 5.1 本文工作总结 | 第59-60页 |
| 5.2 后续展望 | 第60-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间发表的学术论文 | 第71-72页 |
| 学位论文评阅及答辩情况表 | 第72页 |