| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 本文课题的研究背景 | 第11-12页 |
| 1.2 人脸识别的应用 | 第12-13页 |
| 1.3 人脸识别的研究回顾及现状分析 | 第13-17页 |
| 1.4 本文的主要研究内容和文章结构安排 | 第17-18页 |
| 第2章 基于稀疏表示的人脸识别理论 | 第18-25页 |
| 2.1 稀疏表示理论基础 | 第18-21页 |
| 2.1.1 压缩感知理论 | 第18-19页 |
| 2.1.2 压缩感知的主要内容 | 第19-21页 |
| 2.2 稀疏表示在人脸识别中的应用 | 第21-24页 |
| 2.2.1 人脸的稀疏表示模型 | 第21-23页 |
| 2.2.2 人脸的稀疏表示分类方法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 人脸识别中的降维方法 | 第25-38页 |
| 3.1 降维原理概述 | 第25页 |
| 3.2 基于训练的降维方法 | 第25-31页 |
| 3.2.1 主成份分析(PCA) | 第25-28页 |
| 3.2.2 线性判别分析(LDA) | 第28-29页 |
| 3.2.3 局部保持投影(LPP) | 第29-31页 |
| 3.3 基于非训练的降维方法 | 第31-33页 |
| 3.3.1 下采样 | 第31页 |
| 3.3.2 随机投影变换 | 第31-33页 |
| 3.4 降维方法实验结果及其分析 | 第33-37页 |
| 3.4.1 AR人脸库实验 | 第33-35页 |
| 3.4.2 Extended Yale B人脸库实验 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 线性回归模型在人脸识别中的应用 | 第38-49页 |
| 4.1 基本的线性表示模型 | 第38-39页 |
| 4.2 岭回归模型(Ridge regression) | 第39-40页 |
| 4.3 Lasso模型 | 第40-42页 |
| 4.3.1 同伦算法求解Lasso模型 | 第41-42页 |
| 4.4 弹性网络回归(Elastic net regression)模型 | 第42-43页 |
| 4.5 线性回归模型在人脸识别中的应用实验 | 第43-48页 |
| 4.5.1 ORL人脸库实验 | 第44-46页 |
| 4.5.2 PIE人脸库实验 | 第46-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 一种非残差估计线性表示模型的人脸识别 | 第49-61页 |
| 5.1 (Dantzig selector,DS)模型 | 第49-50页 |
| 5.2 (Dantzig selector,DS)模型的稀疏求解 | 第50-55页 |
| 5.2.1 原始对偶理论介绍 | 第50-52页 |
| 5.2.2 DS模型对偶形式 | 第52页 |
| 5.2.3 DS模型原始-对偶更新过程 | 第52-53页 |
| 5.2.4 原始向量大小的更新 | 第53页 |
| 5.2.5 对偶向量大小的更新 | 第53-54页 |
| 5.2.6 向量方向的更新 | 第54页 |
| 5.2.7 PD-Pursuit算法分析 | 第54-55页 |
| 5.3 基于(Dantzig selector,DS)模型人脸识别算法 | 第55-56页 |
| 5.4 实验以及结果分析 | 第56-60页 |
| 5.4.1 正面无干扰人脸识别实验 | 第56-57页 |
| 5.4.2 正面干扰人脸识别实验 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士期间发表的论文及参与的科研项目 | 第69页 |
