| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·本文研究内容及创新点 | 第14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 稀疏表示图像识别的基本理论方法 | 第16-23页 |
| ·稀疏表示理论 | 第16-17页 |
| ·稀疏表示人脸识别技术 | 第17-21页 |
| ·稀疏表示模型的建立 | 第17-18页 |
| ·稀疏表示系数的求解 | 第18-19页 |
| ·稀疏表示的分类 | 第19-21页 |
| ·稀疏表示图像识别方法的鲁棒性 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 Gabor 特征集结合判别式字典学习的稀疏表示图像识别算法 | 第23-34页 |
| ·引言 | 第23-24页 |
| ·Gabor 特征集结合判别式字典学习的稀疏表示图像识别算法 | 第24-30页 |
| ·Gabor 特征集构造 | 第24-27页 |
| ·基于 Fisher 准则的特征字典学习 | 第27-29页 |
| ·分类策略 | 第29-30页 |
| ·实验仿真研究 | 第30-32页 |
| ·AR 人脸库的实验结果 | 第30-31页 |
| ·Extended Yale B 人脸库的实验结果 | 第31-32页 |
| ·USPS 手写体数字库的实验结果 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第4章 基于多尺度局部判别字典学习的稀疏表示人脸图像识别算法 | 第34-45页 |
| ·引言 | 第34-35页 |
| ·构建多尺度局部原始字典 | 第35-36页 |
| ·多尺度局部判别字典学习的稀疏表示人脸图像识别算法 | 第36-40页 |
| ·K-SVD 算法 | 第36-38页 |
| ·多尺度局部判别字典学习 | 第38-40页 |
| ·分类方法 | 第40页 |
| ·实验仿真研究 | 第40-44页 |
| ·不同尺度划分对识别性能的影响 | 第41页 |
| ·Extended Yale B 人脸库上的实验结果 | 第41-42页 |
| ·AR 人脸库上的实验结果 | 第42-43页 |
| ·ORL 人脸数据库上的实验结果 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 基于全局特征和局部特征联合稀疏表示的人脸图像识别算法 | 第45-55页 |
| ·引言 | 第45-46页 |
| ·全局和局部特征联合稀疏表示人脸识别算法 | 第46-51页 |
| ·系统组成 | 第46-47页 |
| ·特征提取 | 第47-49页 |
| ·协同表示 | 第49页 |
| ·全局和局部特征联合稀疏编码 | 第49-51页 |
| ·分类方法 | 第51页 |
| ·实验仿真研究 | 第51-54页 |
| ·Extended Yale B 人脸库上的实验结果 | 第51-52页 |
| ·AR 人脸库上的实验结果 | 第52-53页 |
| ·AR 戴伪装的人脸库子集上的实验结果 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |
