| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 引言 | 第11页 |
| 1.2 单视图特征抽取方法 | 第11-13页 |
| 1.2.1 主成分分析的概述 | 第12页 |
| 1.2.2 线性鉴别分析的概述 | 第12-13页 |
| 1.2.3 局部保持投影的概述 | 第13页 |
| 1.3 多视图特征抽取方法 | 第13-18页 |
| 1.3.1 典型相关分析的研究现状 | 第13-16页 |
| 1.3.2 偏最小二乘的研究现状 | 第16-17页 |
| 1.3.3 多视图典型相关分析的研究现状 | 第17-18页 |
| 1.4 本文的内容安排 | 第18-19页 |
| 1.5 本文的主要贡献 | 第19-21页 |
| 第二章 多块嵌入的多视图典型相关分析 | 第21-35页 |
| 2.1 引言 | 第21-22页 |
| 2.2 相关分析的理论回顾 | 第22-24页 |
| 2.2.1 典型相关分析的基础理论 | 第22-23页 |
| 2.2.2 多视图典型相关分析的基础理论 | 第23-24页 |
| 2.3 多块嵌入的多视图典型相关分析方法 | 第24-28页 |
| 2.3.1 模型构建 | 第24-26页 |
| 2.3.2 优化求解 | 第26-28页 |
| 2.4 实验与分析 | 第28-34页 |
| 2.4.1 在Yale-B人脸图像数据集上的实验 | 第29-30页 |
| 2.4.2 在JAFFE人脸表情数据集上的实验 | 第30-31页 |
| 2.4.3 在CBSR近红外人脸图像数据集上的实验 | 第31-32页 |
| 2.4.4 在CVLAB多视角汽车数据集上的实验 | 第32-33页 |
| 2.4.5 近邻参数对识别性能的影响 | 第33-34页 |
| 2.5 小结 | 第34-35页 |
| 第三章 图增强多视图鉴别相关分析 | 第35-51页 |
| 3.1 引言 | 第35页 |
| 3.2 相关工作 | 第35-36页 |
| 3.2.1 SUMCOR模型 | 第35-36页 |
| 3.2.2 图嵌入 | 第36页 |
| 3.3 图增强方法 | 第36-39页 |
| 3.3.1 成分图的构建 | 第37页 |
| 3.3.2 监督概率整合模型 | 第37-39页 |
| 3.4 图增强多视图鉴别相关分析方法 | 第39-43页 |
| 3.4.1 构建视图间类内和类间的增强相关性 | 第39-40页 |
| 3.4.2 构建全局散布 | 第40-41页 |
| 3.4.3 图增强多视图鉴别相关分析的模型和求解 | 第41-43页 |
| 3.4.4 图增强多视图鉴别相关分析的方法描述 | 第43页 |
| 3.5 实验和分析 | 第43-49页 |
| 3.5.1 在FERET数据集上的实验 | 第44-45页 |
| 3.5.2 在AR数据集上的实验 | 第45-46页 |
| 3.5.3 在Yale-B数据集上的实验 | 第46-47页 |
| 3.5.4 在JAFFE数据集上的实验 | 第47-48页 |
| 3.5.5 参数对识别性能的影响分析 | 第48-49页 |
| 3.6 小结 | 第49-51页 |
| 第四章 一种新的标签核以及多视图标签核相关分析算法 | 第51-67页 |
| 4.1 引言 | 第51-52页 |
| 4.2 相关工作 | 第52-53页 |
| 4.3 标签核方法和模糊投影策略 | 第53-56页 |
| 4.3.1 标签核方法 | 第53-54页 |
| 4.3.2 模糊投影策略 | 第54-55页 |
| 4.3.3 标签核方法和模糊投影策略的分析 | 第55-56页 |
| 4.4 多视图标签核相关分析算法 | 第56-58页 |
| 4.5 实验和分析 | 第58-65页 |
| 4.5.1 在COIL-20 目标数据集上的实验 | 第59-61页 |
| 4.5.2 在AT&T人脸数据集上的实验 | 第61页 |
| 4.5.3 在QMUL多视角人脸数据集上的实验 | 第61-62页 |
| 4.5.4 在Sheffield人脸图像数据集上的实验 | 第62-63页 |
| 4.5.5 在Semeion手写体数据集上的实验 | 第63-64页 |
| 4.5.6 近邻参数对模糊投影性能的影响分析 | 第64-65页 |
| 4.6 小结 | 第65-67页 |
| 第五章 核排列的多视图典型相关分析 | 第67-81页 |
| 5.1 引言 | 第67-68页 |
| 5.2 核多视图典型相关分析 | 第68-69页 |
| 5.3 核排列的多视图典型相关分析方法 | 第69-72页 |
| 5.3.1 模型的构建 | 第69-71页 |
| 5.3.2 优化求解 | 第71-72页 |
| 5.4 实验与分析 | 第72-80页 |
| 5.4.1 在CBSR近红外人脸图像数据集上的实验 | 第73-74页 |
| 5.4.2 在IRIS热红外人脸图像数据集上的实验 | 第74-75页 |
| 5.4.3 在Sheffield人脸图像数据集上的实验 | 第75-76页 |
| 5.4.4 在二值字符手写体图像数据集上的实验 | 第76-78页 |
| 5.4.5 在COIL-100 目标图像数据集上的实验 | 第78-80页 |
| 5.5 小结 | 第80-81页 |
| 第六章 基于局部多视图一致子空间学习的人脸超分辨率重构 | 第81-101页 |
| 6.1 引言 | 第81-83页 |
| 6.2 基于局部多视图一致子空间学习的超分辨率方法 | 第83-91页 |
| 6.2.1 局部多视图典型相关分析 | 第84-86页 |
| 6.2.2 全局重构 | 第86-90页 |
| 6.2.3 残差补偿 | 第90-91页 |
| 6.3 实验与分析 | 第91-99页 |
| 6.3.1 残差补偿的分析 | 第92-93页 |
| 6.3.2 多相关融合策略的分析 | 第93-94页 |
| 6.3.3 LMCCA和MCCA在超分辨率重构中的对比 | 第94页 |
| 6.3.4 近邻参数对重构性能的影响 | 第94-97页 |
| 6.3.5 训练图像数量对重构性能的影响 | 第97-98页 |
| 6.3.6 超分辨率重构图像的对比分析 | 第98-99页 |
| 6.4 小结 | 第99-101页 |
| 第七章 结论与展望 | 第101-104页 |
| 7.1 主要的结论 | 第101-102页 |
| 7.2 将来的工作 | 第102-104页 |
| 致谢 | 第104-105页 |
| 参考文献 | 第105-115页 |
| 附录: 作者在攻读博士学位期间发表的论文 | 第115-116页 |
| 附录: 作者在攻读博士学位期间的项目经历和专利 | 第116页 |
