| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 研究现状及技术难题 | 第14-17页 |
| 1.2.1 国内外相关课题研究概述 | 第14-15页 |
| 1.2.2 人脸识别算法概述 | 第15-16页 |
| 1.2.3 技术难点分析 | 第16-17页 |
| 1.3 研究内容及结构安排 | 第17-19页 |
| 第2章 人脸识别的基本理论 | 第19-32页 |
| 2.1 人脸识别系统 | 第19-20页 |
| 2.2 人脸图像预处理 | 第20-23页 |
| 2.2.1 图像去噪 | 第20-21页 |
| 2.2.2 人脸图像的归一化 | 第21-23页 |
| 2.3 人脸图像特征提取 | 第23-28页 |
| 2.3.1 主成分分析 | 第24-25页 |
| 2.3.2 线性判别分析 | 第25-26页 |
| 2.3.3 独立成分分析 | 第26-28页 |
| 2.4 人脸图像识别算法 | 第28-31页 |
| 2.4.1 K-近邻分类算法 | 第28-29页 |
| 2.4.2 支持向量机算法 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 稀疏表示的基本理论 | 第32-44页 |
| 3.1 稀疏表示的基本原理 | 第32-33页 |
| 3.2 过完备字典的构造 | 第33-38页 |
| 3.2.1 几种经典的字典设计方法 | 第34-38页 |
| 3.3 稀疏信号的算法 | 第38-43页 |
| 3.3.1 信号稀疏的基本概念 | 第38-39页 |
| 3.3.2 贪婪追踪算法 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于稀疏表示的人脸识别 | 第44-54页 |
| 4.1 基于稀疏表示的人脸识别算法 | 第44-46页 |
| 4.1.1 基于稀疏表示人脸识别的流程 | 第44-45页 |
| 4.1.2 基于稀疏表示人脸识别的计算过程分析 | 第45-46页 |
| 4.2 基于组稀疏表示的人脸识别算法 | 第46页 |
| 4.3 基于低秩子空间恢复的联合稀疏表示人脸识别 | 第46-49页 |
| 4.3.1 低秩子空间恢复的算法过程分析 | 第47-48页 |
| 4.3.2 基于低秩子空间恢复的联合稀疏表示流程 | 第48-49页 |
| 4.4 实验仿真及结果分析 | 第49-53页 |
| 4.4.1 基于稀疏表示人脸识别实验结果 | 第49-50页 |
| 4.4.2 基于组稀疏表示人脸识别实验结果 | 第50-51页 |
| 4.4.3 基于低秩子空间恢复的联合稀疏表示人脸识别实验结果 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于MATLAB的人脸识别实验平台 | 第54-63页 |
| 5.1 人脸识别系统平台设计 | 第54-56页 |
| 5.2 人脸识别系统平台实现 | 第56-62页 |
| 5.2.1 图像输入模块 | 第56-58页 |
| 5.2.2 图像预处理模块 | 第58-59页 |
| 5.2.3 图像训练模块 | 第59-60页 |
| 5.2.4 图像识别模块 | 第60-61页 |
| 5.2.5 实验数据及分析 | 第61-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63页 |
| 6.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间参加的科研项目和成果 | 第70页 |