基于压缩感知的人脸识别算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 人脸识别的研究背景与意义 | 第8-10页 |
| 1.2 人脸识别的研究现状 | 第10-12页 |
| 1.3 人脸识别的主要挑战及解决方法 | 第12-15页 |
| 1.3.1 表情问题 | 第12页 |
| 1.3.2 姿态问题 | 第12-13页 |
| 1.3.3 光照问题 | 第13-14页 |
| 1.3.4 性别问题 | 第14页 |
| 1.3.5 伪装问题 | 第14-15页 |
| 1.4 主要的研究工作和章节安排 | 第15-17页 |
| 1.4.1 主要的研究工作 | 第15-16页 |
| 1.4.2 章节安排 | 第16-17页 |
| 第二章 理论基础 | 第17-26页 |
| 2.1 小波包变换 | 第17-19页 |
| 2.1.1 离散小波变换（DWT） | 第17-18页 |
| 2.1.2 小波分解树和小波包变换 | 第18-19页 |
| 2.1.3 小波基 | 第19页 |
| 2.2 四元数理论 | 第19-22页 |
| 2.2.1 四元数定义 | 第20-21页 |
| 2.2.2 四元数矩阵 | 第21页 |
| 2.2.3 四元数相位角 | 第21-22页 |
| 2.3 压缩感知理论 | 第22-24页 |
| 2.3.1 信号的稀疏表示 | 第23页 |
| 2.3.2 观测矩阵 | 第23-24页 |
| 2.4 分类器 | 第24-26页 |
| 第三章 基于小波包和压缩感知的人脸识别算法 | 第26-43页 |
| 3.1 最优小波基的选取 | 第27-31页 |
| 3.1.1 小波基的选取原则 | 第27-30页 |
| 3.1.2 小波基选取实验结果 | 第30-31页 |
| 3.2 稀疏表示 | 第31-34页 |
| 3.2.1 基于小波包的稀疏表示 | 第32-33页 |
| 3.2.2 基于 DCT 的稀疏表示 | 第33-34页 |
| 3.3 压缩感知降维 | 第34-35页 |
| 3.4 算法描述 | 第35-36页 |
| 3.5 实验结果及分析 | 第36-43页 |
| 第四章 基于四元数和压缩感知的图像特征提取 | 第43-48页 |
| 4.1 图像特征提取 | 第43-44页 |
| 4.2 基于四元数和压缩感知的图像特征提取方法 | 第44-46页 |
| 4.2.1 四元数应用的通用性和可扩展性 | 第45页 |
| 4.2.2 压缩感知降维的通用性和有效性 | 第45-46页 |
| 4.3 基于通用算法的人脸识别 | 第46-48页 |
| 第五章 总结与展望 | 第48-51页 |
| 5.1 本文工作总结 | 第48-49页 |
| 5.2 研究展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 发表论文和参加科研情况说明 | 第55-56页 |
| 致谢 | 第56页 |
