基于稀疏表示的人脸人耳多模身份识别研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题的背景和意义 | 第9-11页 |
| 1.2 人脸识别 | 第11-13页 |
| 1.3 人耳识别 | 第13-14页 |
| 1.4 多生物特征识别 | 第14-17页 |
| 1.5 本文结构安排 | 第17-19页 |
| 第二章 相关技术理论 | 第19-27页 |
| 2.1 多生物特征信息融合技术 | 第19-22页 |
| 2.1.1 数据级融合 | 第20页 |
| 2.1.2 特征级融合 | 第20-21页 |
| 2.1.3 匹配级融合 | 第21页 |
| 2.1.4 决策级融合 | 第21-22页 |
| 2.2 稀疏表示系数求解方法 | 第22-26页 |
| 2.2.1 基追踪算法 | 第22-23页 |
| 2.2.2 匹配追踪算法 | 第23-24页 |
| 2.2.3 正交匹配追踪算法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 图像预处理技术及特征提取 | 第27-36页 |
| 3.1 数字图像的预处理 | 第27-31页 |
| 3.1.1 图像获取与分割 | 第27-28页 |
| 3.1.2 图像归一化处理 | 第28-29页 |
| 3.1.3 图像增强处理 | 第29-31页 |
| 3.2 PCA人脸人耳特征提取 | 第31-35页 |
| 3.2.1 特征提取的意义 | 第31-32页 |
| 3.2.2 PCA特征提取 | 第32-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 基于稀疏表示的人脸人耳融合识别算法 | 第36-48页 |
| 4.1 稀疏表示原理 | 第36-40页 |
| 4.1.1 压缩感知理论 | 第36-38页 |
| 4.1.2 稀疏表示理论 | 第38-40页 |
| 4.2 算法流程 | 第40-43页 |
| 4.2.1 特征提取 | 第40-41页 |
| 4.2.2 特征融合 | 第41-42页 |
| 4.2.3 稀疏表示系数求解 | 第42页 |
| 4.2.4 分类识别 | 第42-43页 |
| 4.3 实验结果 | 第43-47页 |
| 4.3.1 实验人脸及人耳数据库介绍 | 第43-45页 |
| 4.3.2 实验结果分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于核稀疏表示的人脸人耳融合识别算法 | 第48-54页 |
| 5.1 核稀疏表示理论 | 第48-51页 |
| 5.1.1 核方法基本概念 | 第48-49页 |
| 5.1.2 核稀疏表示原理 | 第49-51页 |
| 5.2 核稀疏表示算法 | 第51-52页 |
| 5.3 实验结果 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62页 |
