超越視覺：人臉圖像超分辨率理論與應(yīng)用

目錄
第1章 緒論 1
1.1 研究背景和意義 1
1.2 國內(nèi)外研究現(xiàn)狀 4
1.2.1 圖像降質(zhì)模型研究現(xiàn)狀 6
1.2.2 人臉超分辨率方法研究現(xiàn)狀 12
1.2.3 研究現(xiàn)狀小結(jié) 20
1.3 面臨的關(guān)鍵問題 21
1.3.1 實(shí)際降質(zhì)先驗(yàn)信息提取與表達(dá) 21
1.3.2 高低分辨率圖像非負(fù)特征一致表達(dá) 22
1.3.3 圖像主成分稀疏表達(dá) 23
1.4 研究內(nèi)容 23
1.4.1 基于后驗(yàn)信息的圖像降質(zhì)過程自適應(yīng)估計 23
1.4.2 半耦合核非負(fù)表達(dá)全局臉超分辨率算法 24
1.4.3 主成分稀疏自適應(yīng)局部臉超分辨率方法 25
1.4.4 低秩約束的極限學(xué)習(xí)機(jī)高效人臉識別算法 25
1.4.5 低秩約束的極限學(xué)習(xí)機(jī)高效人臉識別算法 25
1.4.6圖像超分辨率極限學(xué)習(xí)機(jī)的極低分辨率人臉識別算法 26
參考文獻(xiàn) 26
第2章 基于后驗(yàn)信息的圖像降質(zhì)過程自適應(yīng)估計 30
2.1 引言 30
2.2 方法比較 32
2.3 基于稀疏最近鄰約束的視頻多幀融合算法 34
2.3.1 視頻圖像的時域先驗(yàn)?zāi)Ｐ?34
2.3.2 基于圖像時域先驗(yàn)?zāi)Ｐ偷囊曨l多幀融合算法 35
2.4 基于后驗(yàn)圖像的降質(zhì)過程自適應(yīng)估計 36
2.4.1 現(xiàn)場重建獲取后驗(yàn)圖像的原則與方法 37
2.4.2 基于尺度不變特征的后驗(yàn)圖像對齊 38
2.4.3 基于后驗(yàn)信息的實(shí)際下采樣矩陣估計 39
2.4.4 基于后驗(yàn)信息的實(shí)際模糊矩陣估計 40
2.4.5 基于后驗(yàn)降質(zhì)模型的人臉超分辨率算法 41
2.5 實(shí)驗(yàn)結(jié)果及分析 43
2.5.1 實(shí)驗(yàn)?zāi)康呐c原理 43
2.5.2 實(shí)驗(yàn)條件及設(shè)備 44
2.5.3 測試標(biāo)準(zhǔn)及實(shí)驗(yàn)方法 45
2.5.4 實(shí)驗(yàn)數(shù)據(jù)及處理 46
2.5.5 實(shí)驗(yàn)結(jié)論 54
參考文獻(xiàn) 55
第3章 基于半耦合核非負(fù)表達(dá)的全局臉超分辨率算法 57
3.1 引言 57
3.2 方法比較 59
3.3 基于人臉形狀特征度量的自適應(yīng)先驗(yàn)選擇算法 60
3.3.1 基于人臉形狀感知模型的特征定位方法 61
3.3.2 基于Hausdorff距離的人臉形狀相似性度量 63
3.4 基于半耦合核非負(fù)表達(dá)的自適應(yīng)全局臉超分辨率算法 64
3.5 實(shí)驗(yàn)結(jié)果及分析 66
3.5.1 實(shí)驗(yàn)?zāi)康呐c原理 66
3.5.2 實(shí)驗(yàn)條件及設(shè)備 67
3.5.3 測試標(biāo)準(zhǔn)及實(shí)驗(yàn)方法 67
3.5.4 實(shí)驗(yàn)數(shù)據(jù)及處理 69
3.5.5 實(shí)驗(yàn)結(jié)論 78
參考文獻(xiàn) 79
第4章 基于主成分稀疏表達(dá)的自適應(yīng)局部臉超分辨率算法 82
4.1 引言 82
4.2 方法比較 84
4.3 基于線性表達(dá)的分塊聚類方法 85
4.4 基于主成分稀疏表達(dá)的自適應(yīng)局部臉超分辨率算法流程 86
4.4.1 主成分稀疏表達(dá)模型 86
4.4.2 基于主成分稀疏表達(dá)的超分辨率算法 87
4.5 實(shí)驗(yàn)結(jié)果及分析 89
4.5.1 實(shí)驗(yàn)?zāi)康呐c原理 89
4.5.2 實(shí)驗(yàn)條件及設(shè)備 89
4.5.3 測試標(biāo)準(zhǔn)及實(shí)驗(yàn)方法 90
4.5.4 實(shí)驗(yàn)數(shù)據(jù)及處理 91
4.5.5 實(shí)驗(yàn)結(jié)論 95
參考文獻(xiàn) 96
第5章 基于深度協(xié)作表達(dá)的人臉超分辨率算法 97
5.1 引言 97
5.2 方法比較 98
5.3 基于深度協(xié)作表達(dá)的人臉超分辨算法流程 100
5.3.1 單層協(xié)作表達(dá) 100
5.3.2 字典訓(xùn)練 100
5.3.3 基于深度協(xié)作表達(dá)的人臉超分辨率算法步驟 101
5.4 實(shí)驗(yàn)結(jié)果與分析 102
5.4.1 實(shí)驗(yàn)?zāi)康呐c原理 102
5.4.2 實(shí)驗(yàn)條件及設(shè)備 103
5.4.3 測試標(biāo)準(zhǔn)及實(shí)驗(yàn)方法 103
5.4.4 實(shí)驗(yàn)數(shù)據(jù)及處理 104
5.4.5 實(shí)驗(yàn)結(jié)論 112
參考文獻(xiàn) 112
第6章 基于低秩約束的極限學(xué)習(xí)機(jī)高效人臉識別算法 114
6.1 引言 114
6.2 方法比較 115
6.3 基于低秩約束的極限學(xué)習(xí)機(jī)高效人臉識別算法流程 116
6.3.1 基于低秩支持的極限學(xué)習(xí)機(jī)魯棒性人臉識別 116
6.3.2 特征臉學(xué)習(xí) 119
6.3.3 低秩結(jié)構(gòu)特征支持的極限學(xué)習(xí)機(jī)人臉識別算法 120
6.4 實(shí)驗(yàn)結(jié)果及分析 121
6.4.1 實(shí)驗(yàn)?zāi)康呐c原理 121
6.4.2 實(shí)驗(yàn)條件及設(shè)備 122
6.4.3 測試標(biāo)準(zhǔn)及實(shí)驗(yàn)方法 122
6.4.4 實(shí)驗(yàn)數(shù)據(jù)及處理 122
6.4.5 實(shí)驗(yàn)結(jié)論 128
參考文獻(xiàn) 128
第7章 基于圖像超分辨率極限學(xué)習(xí)機(jī)的極低分辨率人臉識別算法 130
7.1 引言 130
7.2 方法比較 131
7.3 基于圖像超分辨率極限學(xué)習(xí)機(jī)的極低分辨率人臉識別算法流程 134
7.3.1 基于稀疏表達(dá)的極低分辨率人臉的超分辨率算法 135
7.3.2 基于極限學(xué)習(xí)機(jī)的人臉分類算法 137
7.4 實(shí)驗(yàn)結(jié)果與分析 139
7.4.1 實(shí)驗(yàn)?zāi)康呐c原理 139
7.4.2 實(shí)驗(yàn)條件及設(shè)備 140
7.4.3 測試標(biāo)準(zhǔn)及實(shí)驗(yàn)方法 140
7.4.4 實(shí)驗(yàn)數(shù)據(jù)及處理 141
7.4.5 實(shí)驗(yàn)結(jié)論 145
參考文獻(xiàn) 146
第8章 基于云計算的刑偵圖像增強(qiáng)服務(wù)框架 148
8.1 引言 148
8.2 刑偵業(yè)務(wù)的核心需求與技術(shù)問題 149
8.3 基于云計算的刑偵圖像資源中心構(gòu)架 150
8.4 刑偵圖像增強(qiáng)服務(wù)平臺框架 152
8.5 實(shí)際演示 155
8.5.1 模糊圖像的實(shí)際演示1 155
8.5.2 模糊圖像的實(shí)際演示2 156
附錄 圖像質(zhì)量評估指標(biāo) 158
后記 160