| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 人脸识别研究现状 | 第12-16页 |
| 1.3 论文的主要工作内容和章节安排 | 第16-18页 |
| 第2章 特征提取和分类算法 | 第18-27页 |
| 2.1 特征提取方法 | 第18-21页 |
| 2.1.1 LBP特征 | 第18-19页 |
| 2.1.2 WLD特征 | 第19-21页 |
| 2.2 分类算法 | 第21-26页 |
| 2.2.1 稀疏表示 | 第21-22页 |
| 2.2.2 基于稀疏表示的分类 | 第22-23页 |
| 2.2.3 协同表示 | 第23-25页 |
| 2.2.4 基于协同表示的分类 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 类特定字典学习-局部核协同表示的人脸识别算法 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 CSDL-CRC | 第27-30页 |
| 3.3 类特定字典学习的局部核协同表示 | 第30-36页 |
| 3.3.1 引入核函数的类特定字典学习协同表示 | 第30-33页 |
| 3.3.2 基于类特定字典学习核协同表示的子模块运算 | 第33-35页 |
| 3.3.3 训练及识别步骤 | 第35-36页 |
| 3.4 实验及分析 | 第36-42页 |
| 3.4.1 对分块大小的研究 | 第37-38页 |
| 3.4.2 对核函数的研究 | 第38页 |
| 3.4.3 在ExtendedYaleB人脸库上的实验 | 第38-39页 |
| 3.4.4 在AR人脸库上的实验 | 第39-41页 |
| 3.4.5 在CMUPIE人脸库上的实验 | 第41-42页 |
| 3.4.6 在混合人脸库上的实验 | 第42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 分层AR-LBP和WLD特征融合的稀疏增强协同表示的人脸识别 | 第43-60页 |
| 4.1 引言 | 第43-44页 |
| 4.2 AR-LBP特征 | 第44-46页 |
| 4.3 WLD和AR-LBP分层特征融合方法 | 第46-47页 |
| 4.4 稀疏增强协同表示分类算法 | 第47-49页 |
| 4.5 实验及分析 | 第49-59页 |
| 4.5.1 ORL人脸库 | 第49-53页 |
| 4.5.1.1 AR-LBP邻域大小的比较 | 第50页 |
| 4.5.1.2 分块大小的比较 | 第50-51页 |
| 4.5.1.3 不同算法的比较 | 第51-52页 |
| 4.5.1.4 识别正确率与训练样本集大小的关系 | 第52-53页 |
| 4.5.2 Yale人脸库 | 第53-56页 |
| 4.5.2.1 AR-LBP邻域大小的比较 | 第53-54页 |
| 4.5.2.2 分块大小的比较 | 第54页 |
| 4.5.2.3 不同算法的比较 | 第54-55页 |
| 4.5.2.4 识别正确率与训练样本集大小的关系 | 第55-56页 |
| 4.5.3 GT人脸库 | 第56-59页 |
| 4.5.3.1 AR-LBP邻域大小的比较 | 第56-57页 |
| 4.5.3.2 分块大小的比较 | 第57页 |
| 4.5.3.3 不同算法的比较 | 第57-58页 |
| 4.5.3.4 识别正确率与训练样本集大小的关系 | 第58-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 研究内容总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |
