基于稀疏表示的人脸识别方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 主要符号说明 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究的背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·人脸识别的研究现状 | 第9-11页 |
| ·稀疏表示分类方法的研究现状 | 第11-12页 |
| ·稀疏表示分类方法研究的热点 | 第12页 |
| ·论文主要内容和结构安排 | 第12-14页 |
| 第二章 稀疏表示的基本理论 | 第14-24页 |
| ·压缩感知理论 | 第14-16页 |
| ·压缩感知的基本原理 | 第14-15页 |
| ·压缩感知的关键问题 | 第15-16页 |
| ·图像稀疏表示理论 | 第16-17页 |
| ·冗余字典的设计 | 第17-21页 |
| ·字典的概念 | 第17-18页 |
| ·人脸识别中字典的构造 | 第18-21页 |
| ·稀疏信号的重构方法 | 第21-23页 |
| ·贪婪追踪算法 | 第21-22页 |
| ·凸优化算法 | 第22页 |
| ·组合算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于稀疏表示的分类方法研究 | 第24-47页 |
| ·基于稀疏表示的 SRC 方法 | 第24-29页 |
| ·SRC 方法基本原理 | 第25-27页 |
| ·SRC 方法的分类策略 | 第27-28页 |
| ·遮挡和噪声下的 SRC 分类识别 | 第28-29页 |
| ·改进的 OMP 算法 | 第29-38页 |
| ·正交匹配追踪算法 | 第30-31页 |
| ·改进的正交匹配追踪算法 | 第31-34页 |
| ·实验结果及分析 | 第34-38页 |
| ·基于组稀疏表示的分类方法 | 第38-46页 |
| ·BOMP 算法 | 第39-40页 |
| ·改进的 BOMP 算法 | 第40-42页 |
| ·实验结果及分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于降维字典的 L2 范数表示方案的实现 | 第47-59页 |
| ·SRC 分类方法存在的问题 | 第47-51页 |
| ·SRC 方法假设的合理性 | 第47-49页 |
| ·稀疏重构算法的缺陷 | 第49-51页 |
| ·结合 PCA 降维字典和 L2 范数表示的方法 | 第51-53页 |
| ·PCA 字典构造 | 第51-52页 |
| ·正则化 L2 范数求解 | 第52-53页 |
| ·实验仿真及结果分析 | 第53-58页 |
| ·不同参数选择对算法识别率的影响 | 第53-56页 |
| ·算法的性能比较 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-60页 |
| ·本文总结 | 第59页 |
| ·工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 个人简历 在读期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
