基于稀疏表示的人脸识别方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·研究内容与主要工作 | 第13-14页 |
| 第2章 人脸图像的质量改善与预处理 | 第14-24页 |
| ·分辨率提升 | 第14-19页 |
| ·最大后验概率法 | 第15-16页 |
| ·主要的研究方法 | 第16-19页 |
| ·几何预处理 | 第19-21页 |
| ·图像平移 | 第19页 |
| ·图像旋转 | 第19页 |
| ·图像缩放 | 第19-21页 |
| ·灰度预处理 | 第21-23页 |
| ·直方图均衡化 | 第22-23页 |
| ·滤波 | 第23页 |
| ·本章总结 | 第23-24页 |
| 第3章 稀疏表示参数对人脸识别的影响 | 第24-46页 |
| ·稀疏表示 | 第24-29页 |
| ·稀疏表示的模型 | 第25-26页 |
| ·稀疏逼近 | 第26-27页 |
| ·常用的求解算法 | 第27-29页 |
| ·实际中的稀疏表示 | 第29-32页 |
| ·信号处理中的稀疏表示 | 第30页 |
| ·图像中的稀疏表示 | 第30-31页 |
| ·人脸识别中稀疏表示 | 第31-32页 |
| ·图像去噪中的稀疏表示 | 第32-37页 |
| ·具体过程 | 第32-35页 |
| ·实验结果 | 第35-37页 |
| ·人脸识别中的稀疏表示 | 第37-44页 |
| ·分类过程 | 第37-39页 |
| ·实验结果 | 第39-44页 |
| ·本章总结 | 第44-46页 |
| 第4章 融合分块 PCA 与稀疏表示的人脸识别 | 第46-60页 |
| ·局部特征的人脸识别 | 第46-47页 |
| ·主成份分析 | 第47-49页 |
| ·主成份分析的计算 | 第47页 |
| ·特征提取 | 第47-49页 |
| ·分类识别 | 第49页 |
| ·融合分块 PCA 与稀疏表示的人脸识别 | 第49-53页 |
| ·分块 PCA 的过程 | 第49-51页 |
| ·特征提取 | 第51页 |
| ·识别阶段 | 第51-53页 |
| ·算法流程 | 第53页 |
| ·实验与结果分析 | 第53-59页 |
| ·本章总结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间的研究成果 | 第69页 |
