| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 人脸识别系统介绍 | 第11-14页 |
| 1.2.1 常见的人脸识别方法 | 第12-14页 |
| 1.3 本文的研究内容及安排 | 第14-16页 |
| 第二章 稀疏表示图像识别的理论基础 | 第16-22页 |
| 2.1 引言 | 第16页 |
| 2.2 稀疏表示人脸识别技术 | 第16-20页 |
| 2.2.1 稀疏表示简介 | 第16-17页 |
| 2.2.2 稀疏表示模型的建立 | 第17-18页 |
| 2.2.3 稀疏表示系数的求解 | 第18-19页 |
| 2.2.4 稀疏表示的分类 | 第19-20页 |
| 2.3 稀疏表示的鲁棒性 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于局部约束组的核稀疏表示分类算法 | 第22-32页 |
| 3.1 引言 | 第22页 |
| 3.2 组稀疏约束和局部约束编码 | 第22-24页 |
| 3.2.1 组稀疏约束编码 | 第22-23页 |
| 3.2.2 局部约束线性编码 | 第23-24页 |
| 3.3 基于局部约束组的核稀疏表示分类 | 第24-26页 |
| 3.4 实验结果与分析 | 第26-31页 |
| 3.4.1 Extend YaleB人脸数据库上的实验结果 | 第26-28页 |
| 3.4.2 ORL人脸数据库上的实验结果 | 第28-29页 |
| 3.4.3 AR人脸数据库上的实验结果 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于半局部二进制模式的核稀疏表示分类算法 | 第32-46页 |
| 4.1 引言 | 第32-33页 |
| 4.2 基于局部模式的核稀疏表示分类 | 第33-37页 |
| 4.2.1 基于核坐标下降的核稀疏表示分类 | 第33-35页 |
| 4.2.2 LBP直方图表示的核函数 | 第35-37页 |
| 4.3 基于Half-LBP直方图表示的汉明距离核 | 第37-39页 |
| 4.4 实验结果与分析 | 第39-44页 |
| 4.4.1 Extend YaleB人脸数据库上的实验结果 | 第39-41页 |
| 4.4.2 ORL人脸数据库上的实验结果 | 第41-43页 |
| 4.4.3 AR人脸数据库上的实验结果 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第五章 基于半监督竞争聚集的K-SVD字典学习算法 | 第46-60页 |
| 5.1 引言 | 第46-47页 |
| 5.2 聚类算法 | 第47-52页 |
| 5.2.1 竞争聚集算法 | 第47-48页 |
| 5.2.2 半监督竞争聚集算法 | 第48-52页 |
| 5.3 K-SVD字典学习算法 | 第52-53页 |
| 5.4 基于半监督竞争聚集的K-SVD字典学习算法 | 第53-55页 |
| 5.5 实验结果与分析 | 第55-59页 |
| 5.5.1 Extend YaleB人脸数据库上的实验结果 | 第55-57页 |
| 5.5.2 ORL人脸数据库上的实验结果 | 第57-58页 |
| 5.5.3 AR人脸数据库上的实验结果 | 第58-59页 |
| 5.5.4 三种方法对比的实验结果 | 第59页 |
| 5.6 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60-61页 |
| 6.2 进一步工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 致谢 | 第67页 |
