| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-26页 |
| 1.1 课题研究的背景与意义 | 第11-13页 |
| 1.2 本课题研究进展 | 第13-22页 |
| 1.2.1 人脸识别中的模式表示 | 第14-19页 |
| 1.2.2 人脸识别中的模式分类 | 第19-22页 |
| 1.3 人脸识别数据库 | 第22-24页 |
| 1.4 本文研究工作概述 | 第24页 |
| 1.5 论文组织安排 | 第24-26页 |
| 2 人脸图像的最近似正交矩阵表示与分类研究 | 第26-42页 |
| 2.1 引言 | 第26-27页 |
| 2.2 奇异值分解 | 第27-29页 |
| 2.3 基于最近似正交矩阵表示的人脸识别 | 第29-33页 |
| 2.3.1 奇异值分解的个体子空间解释 | 第29-30页 |
| 2.3.2 识别算法描述 | 第30-32页 |
| 2.3.3 算法分析与讨论 | 第32-33页 |
| 2.4 实验结果与分析 | 第33-41页 |
| 2.4.1 在Extended Yale B人脸数据库上的实验 | 第34-35页 |
| 2.4.2 在CMU PIE人脸数据库上的实验 | 第35-37页 |
| 2.4.3 在FRGCv2人脸数据库上的实验 | 第37-38页 |
| 2.4.4 在AR人脸数据库上的实验 | 第38-39页 |
| 2.4.5 在CUHK素描人脸数据库上的实验 | 第39-41页 |
| 2.5 本章小结 | 第41-42页 |
| 3 面向光照变化人脸识别的稀疏表示模型研究 | 第42-57页 |
| 3.0 引言 | 第42-43页 |
| 3.1 经典的稀疏表示分类模型 | 第43-44页 |
| 3.2 光照稀疏表示分类模型 | 第44-50页 |
| 3.2.1 基本思想和模型 | 第44-46页 |
| 3.2.2 模型求解算法 | 第46-50页 |
| 3.3 进一步分析与讨论 | 第50-52页 |
| 3.4 实验结果与分析 | 第52-56页 |
| 3.4.1 在Extended Yale B人脸数据库上的实验 | 第52-54页 |
| 3.4.2 在CMU PIE人脸数据库上的实验 | 第54-55页 |
| 3.4.3 在AR人脸数据库上的实验 | 第55-56页 |
| 3.5 本章小结 | 第56-57页 |
| 4 面向人脸识别的图像变换相似度量研究 | 第57-76页 |
| 4.1 引言 | 第57页 |
| 4.2 图像变换相似度量 | 第57-65页 |
| 4.2.1 基本思想和算法 | 第57-61页 |
| 4.2.2 分析与讨论 | 第61页 |
| 4.2.3 人脸识别问题中TSM的特点 | 第61-65页 |
| 4.3 实验结果与分析 | 第65-74页 |
| 4.3.1 正常条件下的人脸识别实验 | 第66-67页 |
| 4.3.2 光照变化条件下的人脸识别实验 | 第67-69页 |
| 4.3.3 遮挡条件下的人脸识别实验 | 第69-71页 |
| 4.3.4 在FRGCv2人脸数据库上的实验 | 第71-72页 |
| 4.3.5 在CUHK素描人脸数据库上的实验 | 第72-74页 |
| 4.4 本章小结 | 第74-76页 |
| 5 基于线性重构度量的人脸图像分类研究 | 第76-98页 |
| 5.1 引言 | 第76-78页 |
| 5.2 线性重构度量 | 第78-79页 |
| 5.2.1 基本思想和模型 | 第78页 |
| 5.2.2 正则化线性重构度量模型 | 第78-79页 |
| 5.3 模型分析 | 第79-86页 |
| 5.3.1 系数的度量意义 | 第79-82页 |
| 5.3.2 正则项的意义 | 第82-83页 |
| 5.3.3 与传统的点到点度量模型的比较分析 | 第83-86页 |
| 5.4 线性重构度量驱动的最近邻分类框架 | 第86-88页 |
| 5.4.1 基于LRM的最近邻分类器 | 第86-87页 |
| 5.4.2 基于LRM的最近邻分类器的扩展 | 第87-88页 |
| 5.5 实验结果与分析 | 第88-97页 |
| 5.5.1 一般条件下的人脸识别实验 | 第88-93页 |
| 5.5.2 几种特殊条件下的人脸识别实验 | 第93-96页 |
| 5.5.3 实验小结 | 第96-97页 |
| 5.6 本章小结 | 第97-98页 |
| 6 结束语 | 第98-100页 |
| 致谢 | 第100-101页 |
| 参考文献 | 第101-114页 |
| 附录 | 第114页 |