| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 符号及术语说明 | 第11-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 人脸识别的研究背景和意义 | 第15-17页 |
| 1.1.1 人脸识别技术的研究背景 | 第15-16页 |
| 1.1.2 人脸识别技术的研究意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-22页 |
| 1.3 现阶段人脸识别的问题与挑战 | 第22-23页 |
| 1.4 本文主要研究内容及安排 | 第23-25页 |
| 第二章 基于核局部保持低秩表示的面部识别算法 | 第25-41页 |
| 2.1 低秩表示理论 | 第25-28页 |
| 2.2 局部保持投影 | 第28-30页 |
| 2.3 基于核局部保持低秩表示的人脸识别算法(KLP-LRR) | 第30-35页 |
| 2.3.1 算法的提出 | 第30页 |
| 2.3.2 引入KLPP的理论基础 | 第30-31页 |
| 2.3.3 基于KLP-LRR的人脸识别算法 | 第31-35页 |
| 2.4 实验结果与分析 | 第35-40页 |
| 2.4.1 AR数据库中的实验 | 第35-36页 |
| 2.4.2 EYB数据库中的实验 | 第36-37页 |
| 2.4.3 FERET数据库中的实验 | 第37-39页 |
| 2.4.4 Tikhonov正则化的有效性探究 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 基于双张量核字典学习的低秩表示面部识别 | 第41-61页 |
| 3.1 核函数学习方法 | 第41-46页 |
| 3.2 张量理论 | 第46-48页 |
| 3.2.1 张量概念 | 第46-47页 |
| 3.2.2 张量代数运算 | 第47-48页 |
| 3.3 LRR-TTK | 第48-52页 |
| 3.3.1 基于局部流型特征的张量高维空间 | 第48-51页 |
| 3.3.2 基于双生张量核的局部保持投影 | 第51-52页 |
| 3.4 实验结果与分析 | 第52-60页 |
| 3.4.1 参数赋值 | 第53-54页 |
| 3.4.2 EYB数据库中实验 | 第54-57页 |
| 3.4.3 AR数据库中的实验 | 第57-58页 |
| 3.4.4 FERET数据中的实验 | 第58-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第四章 基于核技术低秩融合字典学习的面部识别算法 | 第61-75页 |
| 4.1 字典学习理论 | 第61-64页 |
| 4.1.1 字典学习 | 第61页 |
| 4.1.2 K均值奇异值分解 | 第61-64页 |
| 4.2 增广拉格朗日法 | 第64-66页 |
| 4.3 基于核技术低秩融合字典学习算法 | 第66-69页 |
| 4.4 实验结果与分析 | 第69-74页 |
| 4.5 本章小节 | 第74-75页 |
| 第五章 总结与展望 | 第75-78页 |
| 5.1 本文总结 | 第75-76页 |
| 5.2 展望 | 第76-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-88页 |
| 攻读硕士期间的主要成果及参与的科研项目 | 第88-89页 |
| 学位论文评阅及答辩情况表 | 第89页 |