基于深度生成對(duì)抗網(wǎng)絡(luò)的素描模擬畫(huà)像還原技術(shù)研究
發(fā)布時(shí)間:2022-02-19 19:04
素描模擬畫(huà)像在國(guó)內(nèi)外案件偵破工作中具有重要的應(yīng)用意義。模擬畫(huà)像師根據(jù)目擊證人對(duì)犯罪嫌疑人的面部、頭發(fā)、體態(tài)等人像特征描述畫(huà)出犯罪嫌疑人素描肖像畫(huà),通過(guò)群眾辨別等方式縮小嫌疑人范圍或者確定犯罪嫌疑人。素描模擬畫(huà)像是畫(huà)像師創(chuàng)作的具有主觀色彩的圖像,利用線條粗細(xì)和疏密表達(dá)人臉信息,缺失色彩、特征細(xì)節(jié)等信息,與真實(shí)人臉照片之間存在較大的幾何形變、灰度差異和紋理缺失,為實(shí)際辨認(rèn)工作帶來(lái)一定困難。為提高模擬畫(huà)像的適用性,本文提出了基于深度生成對(duì)抗網(wǎng)絡(luò)的素描模擬畫(huà)像還原技術(shù),將素描的模擬畫(huà)像還原成高分辨率的彩色人臉圖像,并控制生成圖像的人臉面部特征。本文的具體研究?jī)?nèi)容如下:首先,本文對(duì)比分析了傳統(tǒng)的圖像偽彩色處理技術(shù)和基于深度生成對(duì)抗網(wǎng)絡(luò)的圖像風(fēng)格遷移算法,針對(duì)素描模擬畫(huà)像轉(zhuǎn)換任務(wù)的特點(diǎn)對(duì)BicycleGAN算法進(jìn)行優(yōu)化,實(shí)現(xiàn)了素描模擬畫(huà)像色彩還原為接近于真實(shí)人臉的彩色圖像。其次,本文研究了目前主流的人臉圖像編輯算法,通過(guò)特征向量正交化的方法優(yōu)化STGAN算法,去除特征向量間的關(guān)聯(lián)性,增強(qiáng)單一特征的可控性,實(shí)現(xiàn)了人臉圖像面部特征可編輯。隨后,本文研究了目前主流的圖像超分辨率重建算法,通過(guò)直觀判斷和圖...
【文章來(lái)源】:中國(guó)人民公安大學(xué)北京市
【文章頁(yè)數(shù)】:89 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 素描模擬畫(huà)像轉(zhuǎn)換算法研究現(xiàn)狀
1.2.2 人臉圖像編輯算法研究現(xiàn)狀
1.2.3 圖像超分辨率重建算法研究現(xiàn)狀
1.2.4 發(fā)展趨勢(shì)展望
1.3 研究?jī)?nèi)容及結(jié)構(gòu)安排
2 素描模擬畫(huà)像轉(zhuǎn)換算法研究
2.1 傳統(tǒng)方法用于素描模擬畫(huà)像轉(zhuǎn)換
2.2 基于深度生成對(duì)抗網(wǎng)絡(luò)的素描模擬畫(huà)像轉(zhuǎn)換算法
2.2.1 基于深度生成對(duì)抗網(wǎng)絡(luò)的素描模擬畫(huà)像轉(zhuǎn)換算法發(fā)展與現(xiàn)狀
2.2.2 基于BicycleGAN的素描模擬畫(huà)像轉(zhuǎn)換優(yōu)化算法
2.3 素描模擬畫(huà)像轉(zhuǎn)換算法對(duì)比實(shí)驗(yàn)
2.3.1 數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境
2.3.2 實(shí)驗(yàn)結(jié)果與分析
2.4 本章小結(jié)
3 人臉圖像編輯算法研究
3.1 基于圖像合成的人臉圖像編輯算法
3.2 基于深度生成對(duì)抗網(wǎng)絡(luò)的人臉圖像編輯算法
3.2.1 基于深度生成對(duì)抗網(wǎng)絡(luò)的人臉圖像編輯算法發(fā)展與現(xiàn)狀
3.2.2 基于STGAN的人臉圖像編輯優(yōu)化算法
3.3 人臉圖像編輯算法對(duì)比實(shí)驗(yàn)
3.3.1 數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境
3.3.2 實(shí)驗(yàn)結(jié)果與分析
3.4 本章小結(jié)
4 圖像超分辨率重建算法研究
4.1 傳統(tǒng)圖像超分辨率重建算法
4.2 基于深度學(xué)習(xí)的圖像超分辨率重建算法
4.2.1 SRCNN圖像超分辨率重建算法
4.2.2 SRGAN圖像超分辨率重建算法
4.2.3 ESRGAN圖像超分辨率重建算法
4.3 圖像超分辨率重建對(duì)比實(shí)驗(yàn)
4.3.1 數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境
4.3.2 實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
5 素描模擬畫(huà)像照片級(jí)還原實(shí)現(xiàn)
5.1 素描模擬畫(huà)像照片級(jí)還原實(shí)驗(yàn)
5.1.1 數(shù)據(jù)集
5.1.2 實(shí)驗(yàn)結(jié)果與分析
5.2 素描模擬畫(huà)像照片級(jí)還原系統(tǒng)實(shí)現(xiàn)
5.3 本章小結(jié)
6 總結(jié)與展望
6.1 本文研究工作總結(jié)
6.2 未來(lái)工作展望
參考文獻(xiàn)
在學(xué)研究成果
一、 在學(xué)期間取得的科研成果
二、 在學(xué)期間所獲的獎(jiǎng)勵(lì)
三、 在學(xué)期間發(fā)表的論文
致謝
本文編號(hào):3633452
【文章來(lái)源】:中國(guó)人民公安大學(xué)北京市
【文章頁(yè)數(shù)】:89 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 素描模擬畫(huà)像轉(zhuǎn)換算法研究現(xiàn)狀
1.2.2 人臉圖像編輯算法研究現(xiàn)狀
1.2.3 圖像超分辨率重建算法研究現(xiàn)狀
1.2.4 發(fā)展趨勢(shì)展望
1.3 研究?jī)?nèi)容及結(jié)構(gòu)安排
2 素描模擬畫(huà)像轉(zhuǎn)換算法研究
2.1 傳統(tǒng)方法用于素描模擬畫(huà)像轉(zhuǎn)換
2.2 基于深度生成對(duì)抗網(wǎng)絡(luò)的素描模擬畫(huà)像轉(zhuǎn)換算法
2.2.1 基于深度生成對(duì)抗網(wǎng)絡(luò)的素描模擬畫(huà)像轉(zhuǎn)換算法發(fā)展與現(xiàn)狀
2.2.2 基于BicycleGAN的素描模擬畫(huà)像轉(zhuǎn)換優(yōu)化算法
2.3 素描模擬畫(huà)像轉(zhuǎn)換算法對(duì)比實(shí)驗(yàn)
2.3.1 數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境
2.3.2 實(shí)驗(yàn)結(jié)果與分析
2.4 本章小結(jié)
3 人臉圖像編輯算法研究
3.1 基于圖像合成的人臉圖像編輯算法
3.2 基于深度生成對(duì)抗網(wǎng)絡(luò)的人臉圖像編輯算法
3.2.1 基于深度生成對(duì)抗網(wǎng)絡(luò)的人臉圖像編輯算法發(fā)展與現(xiàn)狀
3.2.2 基于STGAN的人臉圖像編輯優(yōu)化算法
3.3 人臉圖像編輯算法對(duì)比實(shí)驗(yàn)
3.3.1 數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境
3.3.2 實(shí)驗(yàn)結(jié)果與分析
3.4 本章小結(jié)
4 圖像超分辨率重建算法研究
4.1 傳統(tǒng)圖像超分辨率重建算法
4.2 基于深度學(xué)習(xí)的圖像超分辨率重建算法
4.2.1 SRCNN圖像超分辨率重建算法
4.2.2 SRGAN圖像超分辨率重建算法
4.2.3 ESRGAN圖像超分辨率重建算法
4.3 圖像超分辨率重建對(duì)比實(shí)驗(yàn)
4.3.1 數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境
4.3.2 實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
5 素描模擬畫(huà)像照片級(jí)還原實(shí)現(xiàn)
5.1 素描模擬畫(huà)像照片級(jí)還原實(shí)驗(yàn)
5.1.1 數(shù)據(jù)集
5.1.2 實(shí)驗(yàn)結(jié)果與分析
5.2 素描模擬畫(huà)像照片級(jí)還原系統(tǒng)實(shí)現(xiàn)
5.3 本章小結(jié)
6 總結(jié)與展望
6.1 本文研究工作總結(jié)
6.2 未來(lái)工作展望
參考文獻(xiàn)
在學(xué)研究成果
一、 在學(xué)期間取得的科研成果
二、 在學(xué)期間所獲的獎(jiǎng)勵(lì)
三、 在學(xué)期間發(fā)表的論文
致謝
本文編號(hào):3633452
本文鏈接:http://sikaile.net/falvlunwen/fanzuizhian/3633452.html
最近更新
教材專著