| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题背景及意义 | 第9页 |
| ·主要的生物特征识别技术简介 | 第9-10页 |
| ·人脸识别简介 | 第10-12页 |
| ·人脸识别特点 | 第10-11页 |
| ·人脸识别过程 | 第11页 |
| ·人脸识别面临的挑战 | 第11-12页 |
| ·本文主要的研究内容 | 第12-13页 |
| ·本文的结构安排 | 第13-15页 |
| 第2章 人脸识别的研究现状 | 第15-21页 |
| ·基于几何特征的人脸识别 | 第15-16页 |
| ·基于机器学习的人脸识别 | 第16-17页 |
| ·基于支持向量机的人脸识别 | 第16-17页 |
| ·基于集成学习的人脸识别 | 第17页 |
| ·基于局部特征的人脸识别 | 第17-18页 |
| ·基于子空间的人脸识别 | 第18-20页 |
| ·基于主成分分析的人脸识别 | 第18-19页 |
| ·基于线性判别分析的人脸识别 | 第19-20页 |
| ·基于稀疏表示的人脸识别 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于 Gabor 滤波和联合稀疏模型的人脸识别 | 第21-37页 |
| ·压缩感知简介 | 第21-23页 |
| ·信号压缩 | 第22-23页 |
| ·信号重构 | 第23页 |
| ·分布式压缩感知 | 第23-24页 |
| ·联合稀疏模型 | 第24-26页 |
| ·JSM1 模型 | 第24-25页 |
| ·JSM2 模型 | 第25页 |
| ·JSM3 模型 | 第25-26页 |
| ·基于联合稀疏模型的人脸识别 | 第26-29页 |
| ·提取图像共有部分及私有部分 | 第26-29页 |
| ·分类识别 | 第29页 |
| ·基于 Gabor 滤波和联合稀疏模型的人脸识别 | 第29-32页 |
| ·Gabor 滤波 | 第30页 |
| ·基于 Gabor 滤波和联合稀疏模型的人脸识别 | 第30-32页 |
| ·实验结果分析 | 第32-34页 |
| ·本章小结 | 第34-37页 |
| 第4章 基于联合稀疏模型与稀疏表示分类的人脸识别方法 | 第37-45页 |
| ·稀疏表示分类人脸识别方法 | 第37-40页 |
| ·基于联合稀疏模型与稀疏表示分类的人脸识别方法 | 第40-42页 |
| ·实验结果分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 基于联合稀疏投影的人脸识别方法 | 第45-55页 |
| ·降维的重要性 | 第45页 |
| ·稀疏保持映射 | 第45-46页 |
| ·基于联合稀疏投影的人脸识别方法 | 第46-51页 |
| ·提取特征图像 | 第48-49页 |
| ·重构训练样本 | 第49页 |
| ·计算映射矩阵 | 第49-51页 |
| ·分类识别 | 第51页 |
| ·实验结果分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间所发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |