| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外单样本人脸识别的研究概况 | 第9-11页 |
| 1.3 本文的主要内容和结构安排 | 第11-13页 |
| 第二章 单张人脸识别的主要算法 | 第13-23页 |
| 2.1 引言 | 第13页 |
| 2.2 单训练样本识别的难点 | 第13-14页 |
| 2.3 单训练样本主要算法 | 第14-22页 |
| 2.3.1 图像增强法 | 第14-15页 |
| 2.3.2 生成虚拟样本法 | 第15-17页 |
| 2.3.3 基于通用集学习的方法 | 第17-19页 |
| 2.3.4 基于块的方法 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 结合通用集局部表示优化算法 | 第23-35页 |
| 3.1 引言 | 第23页 |
| 3.2 LGR方法的介绍 | 第23-27页 |
| 3.2.1 通用表示 | 第24-25页 |
| 3.2.2 基于块的局部通用表示 | 第25-26页 |
| 3.2.3 基于LGR的分类 | 第26-27页 |
| 3.3 粒子群优化算法的介绍 | 第27-29页 |
| 3.4 结合通用集学习局部表示和粒子群优化的人脸识别 | 第29-31页 |
| 3.5 实验结果及分析 | 第31-34页 |
| 3.5.1 实验数据库和参数设置 | 第31-32页 |
| 3.5.2 实验结果 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 基于GIST集成模型的人脸识别 | 第35-45页 |
| 4.1 引言 | 第35页 |
| 4.2 Gist特征 | 第35页 |
| 4.3 Gist特征的提取 | 第35-37页 |
| 4.4 基于Gist的人脸识别 | 第37-40页 |
| 4.4.1 Gist在场景识别中的作用 | 第37-38页 |
| 4.4.2 K Nearest Neighbor分类器 | 第38-39页 |
| 4.4.3 基于Gist的人脸识别 | 第39-40页 |
| 4.5 实验结果与分析 | 第40-44页 |
| 4.5.1 数据库介绍 | 第40-41页 |
| 4.5.2 实验结果和分析 | 第41-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 工作总结 | 第45-46页 |
| 5.2 工作展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间发表的学术论文目录 | 第52-53页 |
| 在校期间参与项目 | 第53页 |