| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 人脸特征提取的研究现状 | 第13-15页 |
| 1.2.2 人脸识别算法的研究现状 | 第15-16页 |
| 1.2.3 基于特征鉴别性分析的人脸识别的研究难点 | 第16-18页 |
| 1.3 常用人脸数据库和人脸识别评价标准 | 第18-19页 |
| 1.3.1 常用人脸数据库 | 第18-19页 |
| 1.3.2 人脸识别主要评价标准 | 第19页 |
| 1.4 本文的主要工作和结构安排 | 第19-22页 |
| 1.4.1 本文的主要工作 | 第19-20页 |
| 1.4.2 本文的结构安排 | 第20-22页 |
| 第2章 理论基础 | 第22-30页 |
| 2.1 引言 | 第22页 |
| 2.2 基于子空间分析的特征提取方法 | 第22-25页 |
| 2.2.1 主成分分析 | 第22-23页 |
| 2.2.2 线性鉴别分析 | 第23-24页 |
| 2.2.3 局部保持投影 | 第24-25页 |
| 2.3 常用特征融合方法 | 第25-27页 |
| 2.3.1 常用融合层次 | 第25-26页 |
| 2.3.2 标准化方法 | 第26-27页 |
| 2.4 稀疏表示 | 第27-29页 |
| 2.4.1 压缩感知 | 第27页 |
| 2.4.2 稀疏表示基本原理 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于自适应特征融合的人脸识别 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 基于离散余弦变换的二维主成分分析特征提取 | 第30-32页 |
| 3.2.1 离散余弦变换 | 第30-31页 |
| 3.2.2 二维主成分分析 | 第31-32页 |
| 3.3 二维线性鉴别分析特征提取 | 第32-33页 |
| 3.4 自适应特征融合 | 第33页 |
| 3.5 仿真实验及结果分析 | 第33-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于改进子空间分析方法的人脸识别 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 传统子空间分析方法 | 第39页 |
| 4.3 改进的子空间分析方法 | 第39-42页 |
| 4.3.1 改进的子空间分析方法步骤 | 第39-41页 |
| 4.3.2 合理性分析 | 第41-42页 |
| 4.4 改进的PCA和LDA的自适应融合 | 第42-43页 |
| 4.5 仿真实验及结果分析 | 第43-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 基于二维判别监督局部保持投影和稀疏保持投影的人脸识别算法 | 第47-55页 |
| 5.1 引言 | 第47页 |
| 5.2 二维判别监督局部保持投影算法 | 第47-49页 |
| 5.2.1 二维监督局部保持算法 | 第47页 |
| 5.2.2 二维判别监督局部保持算法 | 第47-49页 |
| 5.3 稀疏保持投影算法 | 第49页 |
| 5.4 基于二维判别监督局部保持投影和稀疏保持投影的人脸识别 | 第49-50页 |
| 5.4.1 目标函数的优化 | 第50页 |
| 5.4.2 算法步骤 | 第50页 |
| 5.5 仿真实验及结果分析 | 第50-54页 |
| 5.6 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 附录A 攻读硕士学位期间参与项目和发表学术论文 | 第63页 |
