图像模糊检测及人脸模糊消除算法研究
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第9-21页 |
1.1 课题背景及研究目的和意义 | 第9-10页 |
1.2 图像模糊检测国内外研究现状 | 第10-14页 |
1.2.1 基于手工设计特征的模糊检测 | 第11-12页 |
1.2.2 尺度和空间位置感知的模糊检测 | 第12-14页 |
1.2.3 现有模糊检测算法存在的不足 | 第14页 |
1.3 图像去模糊国内外研究现状 | 第14-18页 |
1.3.1 先验模型约束的图像去模糊 | 第15-16页 |
1.3.2 特定图像类别的图像去模糊 | 第16-18页 |
1.3.3 人脸图像去模糊算法存在的不足 | 第18页 |
1.4 本文的主要研究内容及内容组织 | 第18-21页 |
1.4.1 本文的研究内容 | 第19-20页 |
1.4.2 本文的内容组织 | 第20-21页 |
第2章 模糊检测和人脸图像去模糊算法分析 | 第21-34页 |
2.1 模糊检测现有算法及所存在的问题 | 第21-25页 |
2.1.1 模糊检测问题定义 | 第21-22页 |
2.1.2 现有主要模糊检测算法 | 第22-24页 |
2.1.3 现有算法存在的问题 | 第24-25页 |
2.2 图像去模糊问题定义与算法框架 | 第25-29页 |
2.2.1 图像去模糊问题定义 | 第25-27页 |
2.2.2 基于先验模型约束的图像去模糊算法框架 | 第27-29页 |
2.3 人脸图像去模糊现有算法 | 第29-33页 |
2.3.1 人脸图像去模糊问题的难点 | 第29-30页 |
2.3.2 基于样本集匹配的人脸图像去模糊 | 第30-33页 |
2.4 本章小结 | 第33-34页 |
第3章 基于多方法融合的图像模糊检测 | 第34-46页 |
3.1 基于随机森林的像素级融合 | 第34-36页 |
3.2 基于条件随机场的图像级融合 | 第36-38页 |
3.2.1 模糊融合项 | 第36-37页 |
3.2.2 一致性约束项 | 第37页 |
3.2.3 模糊平滑项 | 第37页 |
3.2.4 条件随机场模型学习和推理 | 第37-38页 |
3.3 基于回归树场图像内容感知的融合 | 第38-40页 |
3.4 实验结果和分析 | 第40-45页 |
3.4.1 实验设置 | 第40-41页 |
3.4.2 实验结果和分析 | 第41-45页 |
3.5 本章小结 | 第45-46页 |
第4章 基于鲁棒关键点检测的人脸图像去模糊 | 第46-60页 |
4.1 算法整体框架 | 第46-47页 |
4.2 鲁棒人脸关键点检测器训练 | 第47-50页 |
4.2.1 基于组合回归森林的人脸关键点检测 | 第47-49页 |
4.2.2 鲁棒模糊人脸图像关键点检测 | 第49-50页 |
4.3 显著性人脸轮廓获取 | 第50页 |
4.4 显著性轮廓引导的盲人脸图像去模糊 | 第50-52页 |
4.4.1 基于0L梯度先验的模糊核估计 | 第50-52页 |
4.4.2 基于人脸梯度特性的非盲人脸图像去模糊 | 第52页 |
4.5 实验结果及分析 | 第52-59页 |
4.5.1 所提出算法和其他工作的关系 | 第52页 |
4.5.2 实验数据集和评估标准 | 第52-54页 |
4.5.3 合成数据集和真实模糊图像的去模糊效果 | 第54-56页 |
4.5.4 运算时间比较 | 第56-57页 |
4.5.5 对复杂人脸形状,姿势和表情的适应性 | 第57-58页 |
4.5.6 实验分析 | 第58-59页 |
4.6 本章小结 | 第59-60页 |
结论 | 第60-62页 |
参考文献 | 第62-68页 |
攻读硕士学位期间发表的论文及其它成果 | 第68-70页 |
致谢 | 第70-71页 |