| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景与意义 | 第12-14页 |
| ·生物特征识别技术概述 | 第14-18页 |
| ·生物特征识别分类 | 第14-16页 |
| ·生物特征识别技术的研究现状 | 第16-18页 |
| ·本文的主要研究内容及结构安排 | 第18-20页 |
| ·主要研究内容 | 第18-19页 |
| ·结构安排 | 第19-20页 |
| 第2章 压缩感知理论 | 第20-33页 |
| ·信号的稀疏分解 | 第22-23页 |
| ·观测矩阵的设计 | 第23-24页 |
| ·信号的重构算法 | 第24-31页 |
| ·匹配追踪算法 | 第25-29页 |
| ·迭代阈值算法 | 第29-31页 |
| ·改进的 OMP 算法 | 第31-33页 |
| 第3章 基于稀疏分解的指静脉图像去噪 | 第33-40页 |
| ·指静脉简介 | 第33-35页 |
| ·手指静脉图像特点 | 第33-34页 |
| ·合成手指静脉图像 | 第34-35页 |
| ·指静脉图像稀疏分解 | 第35-37页 |
| ·实验分析 | 第37-40页 |
| 第4章 人脸识别特征提取与分类方法 | 第40-55页 |
| ·线性子空间方法的人脸识别 | 第40-46页 |
| ·基于主成分分析（PCA）的人脸识别算法 | 第40-42页 |
| ·基于线性判别分析（LDA）的人脸识别算法 | 第42-46页 |
| ·张量方法的人脸识别 | 第46-51页 |
| ·二维主分量分析（2D-PCA）的人脸识别算法 | 第46-48页 |
| ·二维线性判别分析（2D- LDA）的人脸识别算法 | 第48-51页 |
| ·最近邻分类法 | 第51-52页 |
| ·改进的二维线性判别分析的人脸识别算法 | 第52-55页 |
| 第5章 基于压缩感知的人脸识别方法 | 第55-63页 |
| ·人脸图像的稀疏表示 | 第55-56页 |
| ·压缩感知分类器的实现 | 第56-59页 |
| ·实验结果与分析 | 第59-61页 |
| ·鲁棒性分析 | 第61-62页 |
| ·小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简介及科研成果 | 第69-70页 |
| 致谢 | 第70页 |