| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 基于几何特征的人脸识别方法 | 第9页 |
| 1.2.2 基于子空间的人脸识别方法 | 第9-11页 |
| 1.2.3 基于人工神经网络的人脸识别方法 | 第11页 |
| 1.2.4 基于支持向量机的人脸识别方法 | 第11页 |
| 1.2.5 基于稀疏表示的人脸识别方法 | 第11-12页 |
| 1.3 人脸识别一般流程 | 第12-13页 |
| 1.4 本文主要研究工作 | 第13页 |
| 1.5 本文结构安排 | 第13-15页 |
| 第二章 稀疏表示基础知识 | 第15-23页 |
| 2.1 压缩感知简介 | 第15-17页 |
| 2.2 稀疏表示的研究现状 | 第17-18页 |
| 2.3 稀疏表示的人脸识别 | 第18-22页 |
| 2.4 小结 | 第22-23页 |
| 第三章 基于加权稀疏近邻表示的人脸识别 | 第23-29页 |
| 3.1 加权稀疏近邻表示的人脸识别 | 第23-24页 |
| 3.2 实验结果与分析 | 第24-28页 |
| 3.2.1 扩展的Yale B数据库 | 第24-26页 |
| 3.2.2 ORL数据库 | 第26-28页 |
| 3.3 小结 | 第28-29页 |
| 第四章 基于正则化Fisher分析和稀疏表示的人脸识别 | 第29-36页 |
| 4.1 正则化Fisher分析 | 第29-30页 |
| 4.2 正则化Fisher分析和稀疏表示的人脸识别 | 第30-32页 |
| 4.3 实验结果与分析 | 第32-35页 |
| 4.3.1 AR数据库 | 第32-34页 |
| 4.3.2 扩展的Yale B数据库 | 第34-35页 |
| 4.4 小结 | 第35-36页 |
| 第五章 结合Gabor特征和对称脸扩展样本的稀疏表示人脸识别 | 第36-46页 |
| 5.1 对称脸 | 第36-37页 |
| 5.2 Gabor人脸特征提取 | 第37-39页 |
| 5.2.1 Gabor滤波器 | 第37-39页 |
| 5.2.2 Gabor特征表达 | 第39页 |
| 5.3 Gabor特征和对称脸结合的稀疏表示人脸识别 | 第39-40页 |
| 5.4 实验结果与分析 | 第40-45页 |
| 5.4.1 ORL数据库 | 第40-42页 |
| 5.4.2 Yale数据库 | 第42页 |
| 5.4.3 FERET数据库 | 第42-45页 |
| 5.5 小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间发表论文 | 第56页 |
