基于Residual--WGAN的人脸图像修复研究

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 图像修复技术研究进展

1.2.2 生成对抗网络研究进展

1.3 论文内容安排

1.4 论文组织结构

2 生成对抗网络相关理论及算法研究

2.1 生成对抗网络（GAN）

2.1.1 理论及模型结构

2.1.2 实验结果分析

2.2 深度卷积生成对抗网络（DCGAN）

2.2.1 卷积神经网络（CNN）

2.2.2 批归一化

2.2.3 深度卷积生成对抗网络

2.2.4 实验结果分析

2.3 Wasserstein生成对抗网络

2.3.1 相关理论及原理

2.3.2 Wasserstein距离

2.3.3谱归一化

2.3.4 实验结果分析

2.4 残差网络

2.4.1 残差网络的提出

2.4.2 残差网络模型

2.5 本章小结

3 图像修复模型与算法

3.1 数字图像处理

3.2 算法框架

3.3 人脸图像修复损失函数

3.3.1 图像修复函数

3.3.2 语境损失函数

3.3.4 图像修复与泊松融合

3.4 本章小结

4 基于Residual-WGAN的人脸修复算法模型

4.1 系统环境搭建

4.1.1 系统硬件环境

4.1.2 系统软件环境

4.1.3 Tensorflow框架

4.2 数据集准备

4.3 模型搭建

4.3.1 实验训练参数

4.3.2 实验模型结构

4.3.3人脸图像修复仿真

4.4 人脸图像修复评价指标

4.4.1 主观评价

4.4.2 客观评价

4.5实验结果分析

4.6 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士期间主要研究成果

致谢