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

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

论文共71页,点击 下载论文
上一篇:2016年9月云冈石窟陪同口译实践报告
下一篇:2016年1月瑞典家庭涉外收养陪同口译实践报告