人臉壓縮圖像的復(fù)原問題本質(zhì)上是欠定的線性方程組求解問題,利用人臉壓縮圖像的某種先驗知識可以將圖像塊聚類到不同的子空間中,從而作為約束來縮小求解的范圍。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。針對真實場景下人臉圖像姿態(tài)往往不固定這一問題,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)原兩個階段:在訓(xùn)練階段,利用landmark人臉關(guān)鍵點檢測結(jié)果,將壓縮-未壓縮圖像塊對劃分到人臉結(jié)構(gòu)相關(guān)的子空間中,在每個子空間中學(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,對每個輸入的壓縮圖像塊,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,得到其估計的復(fù)原版本。實驗結(jié)果表明,該方法相比于其他對比算法在主觀和客觀評價上均有一定提升。2.基于分級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確性,提出一種基于分級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-未壓縮圖像塊對劃分到多個淺層子空間中。然后對每個基于... 

【文章頁數(shù)】：66 頁

【學(xué)位級別】：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
    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)鍵點相關(guān)知識
    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 基于駐點近鄰回歸的圖像復(fù)原方法
    2.4 圖像質(zhì)量的評價方法
        2.4.1 主觀評價方法
        2.4.2 客觀評價指標
    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 實驗與分析
        3.4.1 實驗環(huán)境與參數(shù)設(shè)置
        3.4.2 實驗結(jié)果的對比與分析
    3.5 本章小結(jié)
第四章 基于分級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 分級子空間回歸
    4.5 實驗與分析
        4.5.1 實驗環(huán)境與參數(shù)設(shè)置
        4.5.2 實驗結(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
附錄1 攻讀碩士學(xué)位期間撰寫的論文
致謝


【參考文獻】：
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(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]. 薛紀令,陳華華.  杭州電子科技大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[4]基于字典對聯(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.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 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. 2014(07)
[6]逆濾波法在圖像復(fù)原中的應(yīng)用[J]. 吳雪垠,吳謹,張鶴.  信息技術(shù). 2011(10)
[7]引入統(tǒng)計先驗的人臉圖像恢復(fù)[J]. 樊鑫,梁德群,張旗,趙凌.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2004(04)



本文編號：3712255