| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 人脸识别的研究背景及发展历程 | 第9-11页 |
| 1.1.1 人脸识别的研究背景 | 第9-10页 |
| 1.1.2 人脸识别的发展历程 | 第10-11页 |
| 1.2 人脸识别的研究内容及应用 | 第11-13页 |
| 1.2.1 人脸识别的研究内容 | 第11-12页 |
| 1.2.2 人脸识别的应用 | 第12-13页 |
| 1.3 人脸识别技术存在的问题 | 第13-14页 |
| 1.4 常用人脸数据库介绍 | 第14-17页 |
| 1.5 本文内容安排 | 第17-18页 |
| 第2章 基于线性投影的特征提取算法 | 第18-29页 |
| 2.1 常用子空间算法 | 第18-21页 |
| 2.1.1 主成分分析(PCA) | 第18-19页 |
| 2.1.2 线性鉴别分析(LDA) | 第19-21页 |
| 2.2 常用基于流形学习的图嵌入算法 | 第21-26页 |
| 2.2.1 局部线性嵌入(LLE) | 第21-24页 |
| 2.2.2 局部保持投影(LPP) | 第24-26页 |
| 2.3 常用稀疏特征提取算法 | 第26-28页 |
| 2.3.1 岭回归(Ridge) | 第26-27页 |
| 2.3.2 套索回归(Lasso) | 第27页 |
| 2.3.3 弹性网络回归(Elastic Net) | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于无监督稀疏差分嵌入的特征提取算法 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 无监督稀疏差分嵌入算法(USDE) | 第29-31页 |
| 3.3 实验与结果分析 | 第31-36页 |
| 3.3.1 最优参数选择 | 第31-33页 |
| 3.3.2 ORL人脸库上的实验 | 第33-34页 |
| 3.3.3 Yale人脸库上的实验 | 第34-35页 |
| 3.3.4 AR人脸库上的实验 | 第35-36页 |
| 3.3.5 结果分析 | 第36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于最大边界准则的稀疏局部嵌入特征提取算法 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 最大边界准则(MMC) | 第37-38页 |
| 4.3 基于最大边界准则的稀疏局部嵌入算法(SLE/MMC) | 第38-40页 |
| 4.4 实验与结果分析 | 第40-46页 |
| 4.4.1 最优参数选择 | 第41-43页 |
| 4.4.2 ORL人脸库上的实验 | 第43-44页 |
| 4.4.3 Yale人脸库上的实验 | 第44页 |
| 4.4.4 AR人脸库上的实验 | 第44-45页 |
| 4.4.5 结果分析 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于稀疏二维判别局部保持投影的特征提取算法 | 第47-55页 |
| 5.1 引言 | 第47页 |
| 5.2 二维判别局部保持投影(2DDLPP) | 第47-49页 |
| 5.3 稀疏二维判别局部保持投影(S2DDLPP) | 第49页 |
| 5.4 实验与结果分析 | 第49-54页 |
| 5.4.1 最优参数选择 | 第50-51页 |
| 5.4.2 ORL人脸库上的实验 | 第51-52页 |
| 5.4.3 Yale人脸库上的实验 | 第52-53页 |
| 5.4.4 AR人脸库上的实验 | 第53-54页 |
| 5.4.5 结果分析 | 第54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-58页 |
| 6.1 本文工作总结 | 第55-56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士期间发表论文及参加科研项目情况 | 第62-63页 |
| 致谢 | 第63-64页 |
