基于图像集的一致稀疏表示算法及应用
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-11页 |
| 1.1 研究背景及意义 | 第6页 |
| 1.2 相关工作 | 第6-8页 |
| 1.3 本文贡献 | 第8-10页 |
| 1.4 本文主要内容和章节安排 | 第10-11页 |
| 2 代表性的人脸识别算法 | 第11-19页 |
| 2.1 稀疏表示人脸识别算法 | 第11-14页 |
| 2.1.1 稀疏表示理论的数学模型 | 第11-12页 |
| 2.1.2 稀疏系数的求解 | 第12页 |
| 2.1.3 基于稀疏表示的人脸识别算法 | 第12-14页 |
| 2.2 结构稀疏表示算法（SSR） | 第14-16页 |
| 2.2.1 基本思想 | 第14-15页 |
| 2.2.2 数学描述 | 第15-16页 |
| 2.3 联合稀疏表示算法（JSR） | 第16-19页 |
| 2.3.1 基本思想 | 第16-17页 |
| 2.3.2 数学描述 | 第17-19页 |
| 3 一致稀疏表示的图像集人脸识别算法 | 第19-30页 |
| 3.1 理论综述 | 第19-23页 |
| 3.1.1 问题描述 | 第19-20页 |
| 3.1.2 标签一致性 | 第20-23页 |
| 3.2 模型求解算法 | 第23-26页 |
| 3.3 实验结果 | 第26-30页 |
| 3.3.1 数据库介绍 | 第26-27页 |
| 3.3.2 结果分析 | 第27-30页 |
| 4 基于一致稀疏表示算法的追踪应用 | 第30-40页 |
| 4.1 追踪典型算法及理论基础 | 第30-33页 |
| 4.1.1 粒子滤波理论 | 第30-31页 |
| 4.1.2 增量的视频追踪（IVT） | 第31-33页 |
| 4.2 一致稀疏表示追踪算法 | 第33-36页 |
| 4.2.1 二分类 | 第33-34页 |
| 4.2.2 观测数据视频集的构造 | 第34-35页 |
| 4.2.3 算法流程 | 第35-36页 |
| 4.3 实验结果 | 第36-40页 |
| 4.3.1 定性评价 | 第36-38页 |
| 4.3.2 定量评价 | 第38-40页 |
| 结论 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 攻读硕士学位期间发表学术论文情况 | 第44-45页 |
| 致谢 | 第45-47页 |
