| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8-10页 |
| ·国内外研究发展趋势 | 第10-11页 |
| ·本文研究内容和结构安排 | 第11-13页 |
| 第二章 压缩感知理论基础 | 第13-21页 |
| ·压缩感知理论基础 | 第13-19页 |
| ·压缩感知理论背景 | 第13-14页 |
| ·理论框架 | 第14-15页 |
| ·信号的稀疏表示 | 第15-16页 |
| ·观测矩阵 | 第16-17页 |
| ·信号的重建算法 | 第17-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 基于稀疏表示的新生儿疼痛表情识别算法 | 第21-33页 |
| ·基于稀疏表示的分类 | 第21-22页 |
| ·匹配追踪算法概述 | 第22-28页 |
| ·OMP 算法 | 第23-24页 |
| ·ROMP 算法 | 第24-25页 |
| ·SP 算法 | 第25-26页 |
| ·CoSaMP 算法 | 第26-27页 |
| ·SAMP 算法 | 第27-28页 |
| ·稀疏自适应匹配追踪算法（SAMP 算法） | 第28-30页 |
| ·SAMP 算法步骤 | 第28-29页 |
| ·SAMP 与其它匹配追踪算法的比较 | 第29-30页 |
| ·基于稀疏表示的新生儿疼痛表情识别方法 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 算法仿真与实验 | 第33-50页 |
| ·新生儿面部表情库的建立 | 第33-37页 |
| ·图像的采集 | 第33-34页 |
| ·图像的规范化 | 第34-36页 |
| ·图像数据库的建立 | 第36-37页 |
| ·算法的流程 | 第37-39页 |
| ·SAMP 参数对实验结果的影响 | 第39-40页 |
| ·不同特征降维方法的实验结果 | 第40-48页 |
| ·传统的 PCA 原理 | 第40-41页 |
| ·二维主成分分析 2DPCA 原理 | 第41-43页 |
| ·用下采样特征降维方法的实验结果 | 第43-44页 |
| ·用 PCA 方法进行特征降维的实验结果 | 第44-46页 |
| ·用 2DPCA 方法进行特征降维的实验结果 | 第46页 |
| ·不同特征降维方法的实验结果比较 | 第46-48页 |
| ·基于 SAMP 算法的分类识别方法与其它方法的比较 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·全文总结 | 第50-51页 |
| ·工作展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第54-55页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第55-56页 |
| 致谢 | 第56页 |