| 中文摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 论文的研究背景与意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-11页 |
| 1.3 论文的主要内容及组织结构 | 第11-13页 |
| 第二章 人脸图像超分辨率重建 | 第13-21页 |
| 2.1 图像降质模型 | 第13-14页 |
| 2.2 重建图像质量的评价标准 | 第14-15页 |
| 2.2.1 峰值信噪比 | 第14-15页 |
| 2.2.2 结构相似度 | 第15页 |
| 2.3 超分辨率重建算法 | 第15-19页 |
| 2.3.1 基于插值的超分辨率重建方法 | 第16页 |
| 2.3.2 基于重建的超分辨率方法 | 第16-17页 |
| 2.3.3 基于学习的超分辨率重建方法 | 第17-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 基于多尺度自相似性和非局部相似性的人脸图像超分辨率平滑算法 | 第21-39页 |
| 3.1 邻域嵌入算法 | 第21-25页 |
| 3.1.1 流形学习方法 | 第21-22页 |
| 3.1.2 基于邻域嵌入的人脸超分辨率算法 | 第22-23页 |
| 3.1.3 邻域嵌入算法存在的问题 | 第23-25页 |
| 3.2 图像的多尺度自相似性 | 第25-26页 |
| 3.3 图像的非局部相似性 | 第26页 |
| 3.4 基于多尺度自相似性和非局部相似性的人脸超分辨率平滑算法 | 第26-31页 |
| 3.4.1 算法描述 | 第26-27页 |
| 3.4.2 基于MSNS的人脸图像SR算法 | 第27-30页 |
| 3.4.3 基于MSNS的人脸超分辨率平滑算法 | 第30-31页 |
| 3.5 实验结果及分析 | 第31-37页 |
| 3.5.1 实验环境和参数设定 | 第31-32页 |
| 3.5.2 实验结果的比较与分析 | 第32-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 基于邻域嵌入算法的快速人脸超分辨率研究 | 第39-51页 |
| 4.1 邻域嵌入算法的重建效率 | 第39页 |
| 4.2 基于邻域嵌入算法的快速人脸超分辨率研究 | 第39-44页 |
| 4.2.1 训练图像集的建立 | 第39-40页 |
| 4.2.2 图像特征的建立 | 第40-42页 |
| 4.2.3 图像重建过程 | 第42-43页 |
| 4.2.4 算法复杂度分析 | 第43-44页 |
| 4.3 实验结果和分析 | 第44-49页 |
| 4.3.1 实验环境和参数分析 | 第44页 |
| 4.3.2 实验结果和分析 | 第44-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文 | 第57-59页 |
| 致谢 | 第59页 |