| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-31页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 驾驶员人脸识别的科学问题分析 | 第15页 |
| 1.3 国内外研究现状 | 第15-21页 |
| 1.3.1 光照处理的研究现状 | 第16-18页 |
| 1.3.2 单样本人脸识别的研究现状 | 第18-21页 |
| 1.3.3 存在的主要问题 | 第21页 |
| 1.4 人脸数据库 | 第21-26页 |
| 1.4.1 公开人脸数据库 | 第22-25页 |
| 1.4.2 自建驾驶员人脸数据库 | 第25-26页 |
| 1.5 论文的主要研究工作 | 第26-31页 |
| 1.5.1 研究内容 | 第26-28页 |
| 1.5.2 论文的组织结构 | 第28-31页 |
| 第二章 基于矩阵分解的高频人脸特征 | 第31-57页 |
| 2.1 引言 | 第31-32页 |
| 2.2 人脸图像特征的矩阵分解模型 | 第32-33页 |
| 2.3 基于SVD的高频人脸特征模型 | 第33-41页 |
| 2.3.1 NSVD人脸特征 | 第33-39页 |
| 2.3.2 ASVD人脸特征 | 第39-40页 |
| 2.3.3 算法复杂度分析 | 第40-41页 |
| 2.4 基于QRCP分解的高频人脸特征模型 | 第41-50页 |
| 2.4.1 QRCP人脸特征 | 第41-45页 |
| 2.4.2 NQRCP人脸特征 | 第45-48页 |
| 2.4.3 AQRCP人脸特征 | 第48-49页 |
| 2.4.4 算法复杂度分析 | 第49-50页 |
| 2.5 实验结果与分析 | 第50-56页 |
| 2.5.1 实验结果 | 第50-55页 |
| 2.5.2 分析与讨论 | 第55-56页 |
| 2.6 本章小结 | 第56-57页 |
| 第三章 基于局部邻域的光照不变测度人脸特征 | 第57-79页 |
| 3.1 引言 | 第57-58页 |
| 3.2 基于局部邻域的光照不变测度模型 | 第58-61页 |
| 3.2.1 基于局部邻域的光照不变测度 | 第58页 |
| 3.2.2 多局部邻域光照不变测度融合 | 第58-61页 |
| 3.3 基于局部邻域的光照不变测度人脸特征 | 第61-66页 |
| 3.3.1 光照不变测度分析 | 第61-63页 |
| 3.3.2 光照不变测度人脸特征 | 第63-66页 |
| 3.3.3 算法复杂度分析 | 第66页 |
| 3.4 基于频率分解的光照不变测度人脸特征 | 第66-69页 |
| 3.4.1 基于频率分解的光照处理方法 | 第66-68页 |
| 3.4.2 基于频率分解的光照不变测度人脸特征 | 第68-69页 |
| 3.5 实验结果与分析 | 第69-78页 |
| 3.5.1 实验结果 | 第69-76页 |
| 3.5.2 分析与讨论 | 第76-78页 |
| 3.6 本章小结 | 第78-79页 |
| 第四章 自适应逼近人脸图像重建方法 | 第79-101页 |
| 4.1 引言 | 第79-80页 |
| 4.2 基于SVD的自适应逼近图像重建方法 | 第80-85页 |
| 4.2.1 基于图像秩的自适应逼近图像重建 | 第80-82页 |
| 4.2.2 快速DLDA最优投影空间算法 | 第82-84页 |
| 4.2.3 DLDA特征提取和分类 | 第84-85页 |
| 4.3 基于LU分解的自适应逼近图像重建方法 | 第85-91页 |
| 4.3.1 基于LU分解的逼近图像 | 第85-87页 |
| 4.3.2 基于图像能量的自适应逼近图像重建 | 第87-90页 |
| 4.3.3 算法复杂度分析 | 第90-91页 |
| 4.4 实验结果与分析 | 第91-99页 |
| 4.4.1 快速DLDA算法性能测试 | 第91-95页 |
| 4.4.2 逼近人脸图像重建方法性能测试 | 第95-98页 |
| 4.4.3 分析与讨论 | 第98-99页 |
| 4.5 本章小结 | 第99-101页 |
| 第五章 基于光照不变特征的稀疏表示分类方法 | 第101-129页 |
| 5.1 引言 | 第101-102页 |
| 5.2 基于人脸特征分解的稀疏表示模型 | 第102-109页 |
| 5.2.1 基于反射系数和光照特征的稀疏表示算法 | 第103-106页 |
| 5.2.2 基于高频和低频特征的稀疏表示算法 | 第106-109页 |
| 5.3 基于光照不变特征的稀疏表示模型 | 第109-115页 |
| 5.3.1 光照不变特征稀疏表示模型 | 第109-112页 |
| 5.3.2 算法参数估计 | 第112-115页 |
| 5.4 光照不变特征稀疏表示矢量投影分类模型 | 第115-121页 |
| 5.4.1 矢量投影分类算法 | 第115-117页 |
| 5.4.2 基于逼近图像的光照不变特征稀疏表示矢量投影分类方法 | 第117-119页 |
| 5.4.3 算法参数估计 | 第119-121页 |
| 5.5 实验结果与分析 | 第121-127页 |
| 5.5.1 实验结果 | 第121-127页 |
| 5.5.2 分析与讨论 | 第127页 |
| 5.6 本章小结 | 第127-129页 |
| 第六章 总结与展望 | 第129-133页 |
| 6.1 总结 | 第129-131页 |
| 6.2 展望 | 第131-133页 |
| 致谢 | 第133-135页 |
| 参考文献 | 第135-145页 |
| 攻读博士学位期间取得的科研成果及参与项目情况 | 第145-146页 |