| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第13-26页 |
| 1.1 引言 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-23页 |
| 1.2.1 全局方法 | 第14-17页 |
| 1.2.2 局部方法 | 第17-20页 |
| 1.2.3 基于表示的方法 | 第20-22页 |
| 1.2.4 人脸识别的挑战与机遇 | 第22-23页 |
| 1.3 本文研究工作概述 | 第23-24页 |
| 1.4 本文结构 | 第24-26页 |
| 2 基于心理学定律的局部特征提取 | 第26-48页 |
| 2.1 引言 | 第26页 |
| 2.2 韦伯局部描述子(Weber Local Descriptor,WLD) | 第26-29页 |
| 2.2.1 韦伯定律 | 第26-27页 |
| 2.2.2 韦伯局部描述子(WLD) | 第27-29页 |
| 2.3 局部二元模式(LBP) | 第29-31页 |
| 2.4 韦伯局部二元模式(WLBP) | 第31-37页 |
| 2.4.1 改进后差励(Differential Excitation,DE) | 第32-33页 |
| 2.4.2 WLBP直方图 | 第33页 |
| 2.4.3 直方图相似性度量 | 第33页 |
| 2.4.4 WLBP、WLD和LBP对比分析 | 第33-34页 |
| 2.4.5 实验与分析 | 第34-37页 |
| 2.5 基于韦伯局部二元模式(WLBP)的人脸识别 | 第37-43页 |
| 2.5.1 基于分块WLBP的人脸表示 | 第37-38页 |
| 2.5.2 实验与分析 | 第38-43页 |
| 2.6 基于WLBP的人眼状态检测 | 第43-47页 |
| 2.6.1 基于SVM的人眼状态分类 | 第45-46页 |
| 2.6.2 实验分析 | 第46-47页 |
| 2.7 本章小结 | 第47-48页 |
| 3 基于局部特征的单样本人脸识别 | 第48-67页 |
| 3.1 引言 | 第48页 |
| 3.2 单样本人脸识别综述 | 第48-56页 |
| 3.2.1 基于原始训练样本集的方法 | 第49-52页 |
| 3.2.1.1 基于原始训练样本集的全局方法 | 第49-50页 |
| 3.2.1.2 基于原始训练样本集的局部方法 | 第50-52页 |
| 3.2.2 虚拟样本方法 | 第52-54页 |
| 3.2.2.1 全局表示下的虚拟样本方法 | 第52-53页 |
| 3.2.2.2 局部表示下的虚拟样本方法 | 第53-54页 |
| 3.2.3 通用学习方法 | 第54-56页 |
| 3.3 局部几何特征提取 | 第56-62页 |
| 3.3.1 基于局部几何保持的伪草图合成 | 第57-58页 |
| 3.3.2 局部几何特征 | 第58-60页 |
| 3.3.3 算法分析与讨论 | 第60-61页 |
| 3.3.4 实验与分析 | 第61-62页 |
| 3.4 局部特征在单样本人脸识别中应用 | 第62-66页 |
| 3.4.1 Extended Yale B库上实验 | 第62-64页 |
| 3.4.2 PIE库上实验 | 第64页 |
| 3.4.3 AR库上实验 | 第64-66页 |
| 3.5 本章小结 | 第66-67页 |
| 4 基于局部相似性的子空间学习 | 第67-86页 |
| 4.1 引言 | 第67-68页 |
| 4.2 相关子空间学习方法 | 第68-72页 |
| 4.2.1 线性鉴别分析(LDA) | 第68页 |
| 4.2.2 局部保持投影(LPP) | 第68-70页 |
| 4.2.3 线性图嵌入(LGE) | 第70-72页 |
| 4.3 基于局部相似性的线性图嵌入框架 | 第72-85页 |
| 4.3.1 局部相似性 | 第72-73页 |
| 4.3.2 基于局部相似性的线性鉴别分析(LS_LDA) | 第73-76页 |
| 4.3.3 基于局部相似性的中值鉴别分析(LS_MFD) | 第76-78页 |
| 4.3.4 基于局部相似性的线性图嵌入(LS_LGE) | 第78-81页 |
| 4.3.5 算法分析与讨论 | 第81-82页 |
| 4.3.6 实验与分析 | 第82-85页 |
| 4.4 本章小结 | 第85-86页 |
| 5 基于局部结构的稀疏表示、协同表示 | 第86-114页 |
| 5.1 引言 | 第86页 |
| 5.2 稀疏表示分类在人脸识别中应用 | 第86-88页 |
| 5.3 基于局部结构的稀疏表示 | 第88-95页 |
| 5.3.1 局部子空间假设 | 第88-89页 |
| 5.3.2 基于局部结构的稀疏表示分类(LS_SRC) | 第89-91页 |
| 5.3.3 算法分析与讨论 | 第91-92页 |
| 5.3.4 实验与分析 | 第92-95页 |
| 5.4 基于局部结构的协同表示 | 第95-110页 |
| 5.4.1 协同表示分类 | 第96-98页 |
| 5.4.2 基于局部结构的协同表示分类(LS_CRC) | 第98-99页 |
| 5.4.3 基于局部结构的2阶段协同表示分类(LS_TPCRC) | 第99-100页 |
| 5.4.4 基于局部结构的多阶段协同表示分类(LS_MPCRC) | 第100-102页 |
| 5.4.5 算法分析与讨论 | 第102-103页 |
| 5.4.6 实验与分析 | 第103-110页 |
| 5.5 基于贝叶斯推理的LS_SRC和LS_CRC | 第110-113页 |
| 5.5.1 基于混淆矩阵的贝叶斯推理 | 第110-111页 |
| 5.5.2 实验与分析 | 第111-113页 |
| 5.6 本章小结 | 第113-114页 |
| 6 总结与展望 | 第114-117页 |
| 6.1 本文工作总结 | 第114-115页 |
| 6.2 工作展望 | 第115-117页 |
| 致谢 | 第117-118页 |
| 参考文献 | 第118-130页 |
| 附录 | 第130-131页 |
