基于子空间回归学习的人脸压缩图像复原

发布时间:2022-12-07 04:43
  人脸压缩图像的复原问题本质上是欠定的线性方程组求解问题,利用人脸压缩图像的某种先验知识可以将图像块聚类到不同的子空间中,从而作为约束来缩小求解的范围。本文提出的基于子空间回归学习的人脸压缩图像复原方法,主要研究成果如下:1.基于结构相关子空间回归的人脸压缩图像复原方法。针对真实场景下人脸图像姿态往往不固定这一问题,提出一种不局限于姿态的人脸压缩图像复原方法,主要包括训练和复原两个阶段:在训练阶段,利用landmark人脸关键点检测结果,将压缩-未压缩图像块对划分到人脸结构相关的子空间中,在每个子空间中学习得到压缩图像块到其未压缩版本的投影矩阵。在复原阶段,对每个输入的压缩图像块,判断其所属的结构相关子空间,并在该子空间下选择合适的线性映射,得到其估计的复原版本。实验结果表明,该方法相比于其他对比算法在主观和客观评价上均有一定提升。2.基于分级子空间回归的人脸压缩图像复原方法。为了提高子空间聚类的准确性,提出一种基于分级子空间回归的人脸压缩图像复原方法,主要包括训练和复原两个部分。在训练部分,利用人脸压缩图像的边缘方向分布规律,将压缩-未压缩图像块对划分到多个浅层子空间中。然后对每个基于... 

【文章页数】:66 页

【学位级别】:硕士

【文章目录】:
摘要
abstract
第一章 绪论
    1.1 研究背景与研究意义
    1.2 国内外研究现状
    1.3 本文的主要工作以及章节安排
第二章 人脸压缩图像复原基础知识
    2.1 压缩图像复原基础理论
        2.1.1 图像压缩理论
        2.1.2 压缩图像复原基础理论
    2.2 人脸关键点相关知识
    2.3 人脸压缩图像复原方法
        2.3.1 基于块匹配3D滤波的图像复原方法
        2.3.2 基于稀疏学习的图像复原方法
        2.3.3 基于驻点近邻回归的图像复原方法
    2.4 图像质量的评价方法
        2.4.1 主观评价方法
        2.4.2 客观评价指标
    2.5 本章小结
第三章 基于结构相关子空间回归的人脸压缩图像复原
    3.1 引言
    3.2 基于人脸结构的图像块聚类
    3.3 基于结构相关子空间回归的人脸压缩图像复原
        3.3.1 算法流程
        3.3.2 子空间的训练样本特征选择
        3.3.3 基于A+模型的非线性回归模型
    3.4 实验与分析
        3.4.1 实验环境与参数设置
        3.4.2 实验结果的对比与分析
    3.5 本章小结
第四章 基于分级子空间回归的人脸压缩图像复原
    4.1 引言
    4.2 人脸压缩图像边缘方向提取
        4.2.1 梯度大小和方向提取
        4.2.2 生成HOG特征描述
    4.3 人脸压缩图像边缘方向分析
    4.4 基于分级子空间回归的人脸压缩图像复原
        4.4.1 算法流程
        4.4.2 基于边缘方向的浅层子空间聚类
        4.4.3 分级子空间回归
    4.5 实验与分析
        4.5.1 实验环境与参数设置
        4.5.2 实验结果的比较和分析
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 不足与展望
参考文献
附录1 攻读硕士学位期间撰写的论文
致谢


【参考文献】:
期刊论文
[1]基于块效应抑制的压缩降质模糊图像盲复原[J]. 叶鹏钊,冯华君,徐之海,李奇,陈跃庭.  浙江大学学报(工学版). 2018(02)
[2]基于结构字典学习的图像复原方法[J]. 杨航,吴笑天,王宇庆.  中国光学. 2017(02)
[3]基于自适应协稀疏正则化的图像复原[J]. 薛纪令,陈华华.  杭州电子科技大学学报(自然科学版). 2015(02)
[4]基于字典对联合学习的退化图像复原方法[J]. 杨亚威,胡双演,张士杰,张姣,李俊山.  计算机辅助设计与图形学学报. 2015(03)
[5]基于投影的稀疏表示与非局部正则化图像复原方法[J]. 徐焕宇,孙权森,李大禹,宣丽.  电子学报. 2014(07)
[6]逆滤波法在图像复原中的应用[J]. 吴雪垠,吴谨,张鹤.  信息技术. 2011(10)
[7]引入统计先验的人脸图像恢复[J]. 樊鑫,梁德群,张旗,赵凌.  计算机辅助设计与图形学学报. 2004(04)



本文编号:3712255

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3712255.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户6d3cd***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com