人臉壓縮圖像的復(fù)原問(wèn)題本質(zhì)上是欠定的線性方程組求解問(wèn)題,利用人臉壓縮圖像的某種先驗(yàn)知識(shí)可以將圖像塊聚類到不同的子空間中,從而作為約束來(lái)縮小求解的范圍。本文提出的基于子空間回歸學(xué)習(xí)的人臉壓縮圖像復(fù)原方法,主要研究成果如下:1.基于結(jié)構(gòu)相關(guān)子空間回歸的人臉壓縮圖像復(fù)原方法。針對(duì)真實(shí)場(chǎng)景下人臉圖像姿態(tài)往往不固定這一問(wèn)題,提出一種不局限于姿態(tài)的人臉壓縮圖像復(fù)原方法,主要包括訓(xùn)練和復(fù)原兩個(gè)階段:在訓(xùn)練階段,利用landmark人臉關(guān)鍵點(diǎn)檢測(cè)結(jié)果,將壓縮-未壓縮圖像塊對(duì)劃分到人臉結(jié)構(gòu)相關(guān)的子空間中,在每個(gè)子空間中學(xué)習(xí)得到壓縮圖像塊到其未壓縮版本的投影矩陣。在復(fù)原階段,對(duì)每個(gè)輸入的壓縮圖像塊,判斷其所屬的結(jié)構(gòu)相關(guān)子空間,并在該子空間下選擇合適的線性映射,得到其估計(jì)的復(fù)原版本。實(shí)驗(yàn)結(jié)果表明,該方法相比于其他對(duì)比算法在主觀和客觀評(píng)價(jià)上均有一定提升。2.基于分級(jí)子空間回歸的人臉壓縮圖像復(fù)原方法。為了提高子空間聚類的準(zhǔn)確性,提出一種基于分級(jí)子空間回歸的人臉壓縮圖像復(fù)原方法,主要包括訓(xùn)練和復(fù)原兩個(gè)部分。在訓(xùn)練部分,利用人臉壓縮圖像的邊緣方向分布規(guī)律,將壓縮-未壓縮圖像塊對(duì)劃分到多個(gè)淺層子空間中。然后對(duì)每個(gè)基于... 

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作以及章節(jié)安排
第二章 人臉壓縮圖像復(fù)原基礎(chǔ)知識(shí)
    2.1 壓縮圖像復(fù)原基礎(chǔ)理論
        2.1.1 圖像壓縮理論
        2.1.2 壓縮圖像復(fù)原基礎(chǔ)理論
    2.2 人臉關(guān)鍵點(diǎn)相關(guān)知識(shí)
    2.3 人臉壓縮圖像復(fù)原方法
        2.3.1 基于塊匹配3D濾波的圖像復(fù)原方法
        2.3.2 基于稀疏學(xué)習(xí)的圖像復(fù)原方法
        2.3.3 基于駐點(diǎn)近鄰回歸的圖像復(fù)原方法
    2.4 圖像質(zhì)量的評(píng)價(jià)方法
        2.4.1 主觀評(píng)價(jià)方法
        2.4.2 客觀評(píng)價(jià)指標(biāo)
    2.5 本章小結(jié)
第三章 基于結(jié)構(gòu)相關(guān)子空間回歸的人臉壓縮圖像復(fù)原
    3.1 引言
    3.2 基于人臉結(jié)構(gòu)的圖像塊聚類
    3.3 基于結(jié)構(gòu)相關(guān)子空間回歸的人臉壓縮圖像復(fù)原
        3.3.1 算法流程
        3.3.2 子空間的訓(xùn)練樣本特征選擇
        3.3.3 基于A+模型的非線性回歸模型
    3.4 實(shí)驗(yàn)與分析
        3.4.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置
        3.4.2 實(shí)驗(yàn)結(jié)果的對(duì)比與分析
    3.5 本章小結(jié)
第四章 基于分級(jí)子空間回歸的人臉壓縮圖像復(fù)原
    4.1 引言
    4.2 人臉壓縮圖像邊緣方向提取
        4.2.1 梯度大小和方向提取
        4.2.2 生成HOG特征描述
    4.3 人臉壓縮圖像邊緣方向分析
    4.4 基于分級(jí)子空間回歸的人臉壓縮圖像復(fù)原
        4.4.1 算法流程
        4.4.2 基于邊緣方向的淺層子空間聚類
        4.4.3 分級(jí)子空間回歸
    4.5 實(shí)驗(yàn)與分析
        4.5.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置
        4.5.2 實(shí)驗(yàn)結(jié)果的比較和分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 不足與展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫(xiě)的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于塊效應(yīng)抑制的壓縮降質(zhì)模糊圖像盲復(fù)原[J]. 葉鵬釗,馮華君,徐之海,李奇,陳躍庭.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2018(02)
[2]基于結(jié)構(gòu)字典學(xué)習(xí)的圖像復(fù)原方法[J]. 楊航,吳笑天,王宇慶.  中國(guó)光學(xué). 2017(02)
[3]基于自適應(yīng)協(xié)稀疏正則化的圖像復(fù)原[J]. 薛紀(jì)令,陳華華.  杭州電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[4]基于字典對(duì)聯(lián)合學(xué)習(xí)的退化圖像復(fù)原方法[J]. 楊亞威,胡雙演,張士杰,張姣,李俊山.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(03)
[5]基于投影的稀疏表示與非局部正則化圖像復(fù)原方法[J]. 徐煥宇,孫權(quán)森,李大禹,宣麗.  電子學(xué)報(bào). 2014(07)
[6]逆濾波法在圖像復(fù)原中的應(yīng)用[J]. 吳雪垠,吳謹(jǐn),張鶴.  信息技術(shù). 2011(10)
[7]引入統(tǒng)計(jì)先驗(yàn)的人臉圖像恢復(fù)[J]. 樊鑫,梁德群,張旗,趙凌.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2004(04)



本文編號(hào)：3712255