基于分块集成和协同表示的快速人脸识别算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-23页 |
| ·背景与意义 | 第13-14页 |
| ·研究背景 | 第13页 |
| ·研究意义 | 第13-14页 |
| ·研究现状和主要难点 | 第14-21页 |
| ·国内外研究现状 | 第14-17页 |
| ·人脸识别的技术难点 | 第17-21页 |
| ·研究内容与论文结构 | 第21-23页 |
| ·本文主要研究内容 | 第21-22页 |
| ·论文的章节安排 | 第22-23页 |
| 第二章 光照不敏感的人脸特征增强算法 | 第23-31页 |
| ·局部二值模式(LBP) | 第23-25页 |
| ·梯度方向算子 | 第25-26页 |
| ·GDP-face | 第26-27页 |
| ·实验及分析 | 第27-30页 |
| ·实验数据集 | 第27-28页 |
| ·实验设置及结果分析 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 快速协同表示分类器 | 第31-44页 |
| ·稀疏表示原理及在人脸识别中的应用 | 第31-35页 |
| ·稀疏表示的基本原理 | 第31-33页 |
| ·稀疏表示在人脸识别中的应用 | 第33-35页 |
| ·改进的快速协同表示分类器 | 第35-38页 |
| ·实验及分析 | 第38-42页 |
| ·实验数据集 | 第38-40页 |
| ·实验性能分析 | 第40-41页 |
| ·实验效率分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于分块的集成学习人脸识别框架 | 第44-59页 |
| ·集成学习基本理论 | 第44-50页 |
| ·集成学习简介 | 第44-45页 |
| ·集成学习的理论基础 | 第45-46页 |
| ·集成学习构建方法 | 第46-50页 |
| ·基于分块的集成学习人脸识别框架 | 第50-53页 |
| ·基于分块的个体分类器生成方法 | 第50-51页 |
| ·表情不敏感的两阶段多数投票结论合成方法 | 第51-52页 |
| ·基于分块的集成学习人脸识别框架 | 第52-53页 |
| ·实验分析 | 第53-58页 |
| ·参数设置 | 第53-54页 |
| ·性能分析 | 第54-57页 |
| ·效率分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-62页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70页 |
