| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·选题背景及其研究意义 | 第7-8页 |
| ·国内外相关研究概况 | 第8-9页 |
| ·人脸识别算法介绍 | 第9-11页 |
| ·人脸识别常用数据库 | 第11-12页 |
| ·本文的研究内容及章节安排 | 第12-15页 |
| ·本文的主要工作 | 第12页 |
| ·本文结构安排 | 第12-15页 |
| 第二章 特征提取和分类算法 | 第15-23页 |
| ·引言 | 第15页 |
| ·特征提取算法 | 第15-20页 |
| ·基于几何的特征提取方法 | 第15-16页 |
| ·基于统计学习的特征提取方法 | 第16-20页 |
| ·分类识别方法 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 压缩感知理论简介 | 第23-29页 |
| ·压缩感知介绍 | 第23-27页 |
| ·理论框架 | 第23-24页 |
| ·压缩感知 | 第24-25页 |
| ·测量矩阵 | 第25页 |
| ·信号重构算法 | 第25-27页 |
| ·压缩感知人脸识别算法 | 第27-28页 |
| ·本章总结 | 第28-29页 |
| 第四章 基于主元分析和压缩感知的人脸识别方法 | 第29-35页 |
| ·PSL0 算法 | 第29-32页 |
| ·基于 PCA 特征基的测试样本线性表示 | 第29-30页 |
| ·SL0 信号重建算法 | 第30-31页 |
| ·分类识别 | 第31-32页 |
| ·模拟实验与分析 | 第32-34页 |
| ·不同算法计算时间比较 | 第32-33页 |
| ·图像的重建误差和识别率比较 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 基于子空间和压缩感知信号重建的 ISL0 算法 | 第35-43页 |
| ·ISL0 算法 | 第35-39页 |
| ·SL0 算法思想简要介绍 | 第35-36页 |
| ·基于子空间表示的稀疏成分分解算法模型 | 第36-37页 |
| ·ISL0 算法具体步骤 | 第37-39页 |
| ·实验结果及分析 | 第39-42页 |
| ·ISL0、SL0、OMP 算法在不同维数下平均时间比较 | 第39-40页 |
| ·ISL0、SL0、OMP 三种方法识别率比较 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 结束语 | 第43-45页 |
| ·本文总结 | 第43-44页 |
| ·研究展望 | 第44-45页 |
| 致谢 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 硕士在读期间论文发表及录用情况 | 第51-52页 |