| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-29页 |
| 1.1 引言 | 第9页 |
| 1.2 论文的选题背景及研究意义 | 第9-12页 |
| 1.3 人脸特征提取的研究综述 | 第12-25页 |
| 1.3.1 人脸识别的几何方法 | 第14-16页 |
| 1.3.2 人脸识别的子空间方法 | 第16页 |
| 1.3.3 受光照影响的人脸问题 | 第16-20页 |
| 1.3.4 受遮挡影响的人脸问题 | 第20-25页 |
| 1.4 人脸识别的研究难点 | 第25页 |
| 1.5 本文的主要研究工作 | 第25-27页 |
| 1.6 本文的结构安排 | 第27-29页 |
| 2 基础理论及算法分析 | 第29-37页 |
| 2.1 引言 | 第29页 |
| 2.2 脸形轮廓分类的研究 | 第29-30页 |
| 2.3 经典人脸识别的相关算法 | 第30-33页 |
| 2.3.1 主成分分析(PCA) | 第31页 |
| 2.3.2 线性判别分析(LDA) | 第31-32页 |
| 2.3.3 局部保持投影(LPP) | 第32页 |
| 2.3.4 局部非负矩阵分解(LNMF) | 第32-33页 |
| 2.4 最近子空间相关方法(NS) | 第33-34页 |
| 2.4.1 最近邻方法(NN) | 第33-34页 |
| 2.4.2 线性回归分类(LRC) | 第34页 |
| 2.5 稀疏表示分类(SRC) | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 3 人脸粗分类的快速凸包算法 | 第37-57页 |
| 3.1 引言 | 第37页 |
| 3.2 凸包算法分析 | 第37-41页 |
| 3.3 EM 和 EEM 算法前期准备 | 第41-43页 |
| 3.4 EM 和 EEM 算法 | 第43-50页 |
| 3.4.1 EM算法的实现 | 第43-47页 |
| 3.4.2 EEM 算法 | 第47-50页 |
| 3.5 实验结果 | 第50-53页 |
| 3.6 实验分析 | 第53-55页 |
| 3.7 EM 应用于人脸粗分类 | 第55-56页 |
| 3.8 结论 | 第56-57页 |
| 4 最近子空间下基于单类及剩余类间线性鉴别的人脸识别 | 第57-69页 |
| 4.1 引言 | 第57页 |
| 4.2 相关算法分析 | 第57-58页 |
| 4.3 提出的多类子空间分析方法 | 第58-62页 |
| 4.4 实验结果及分析 | 第62-66页 |
| 4.4.1 数据可视化 | 第62-63页 |
| 4.4.2 Yale人脸数据库上的人脸识别结果 | 第63-64页 |
| 4.4.3 ORL人脸数据库上的人脸识别结果 | 第64-66页 |
| 4.4.4 EYaleB人脸数据库上的人脸识别结果 | 第66页 |
| 4.5 讨论 | 第66页 |
| 4.6 本章小结 | 第66-69页 |
| 5 光照、遮挡等条件下最近子空间稀疏分析的人脸识别 | 第69-85页 |
| 5.1 引言 | 第69页 |
| 5.2 向量范数 | 第69-70页 |
| 5.3 不同范数下优化模型的三维几何表示 | 第70-71页 |
| 5.4 相关工作 | 第71-72页 |
| 5.5 问题的动机和目的 | 第72-74页 |
| 5.6 提出的算法 | 第74-75页 |
| 5.7 实验结果及分析 | 第75-83页 |
| 5.7.1 不同光照下的人脸识别 | 第75-78页 |
| 5.7.2 有随机像素损坏的人脸识别 | 第78-81页 |
| 5.7.3 块遮挡下的人脸识别 | 第81-82页 |
| 5.7.4 真实人脸伪装下的人脸识别 | 第82-83页 |
| 5.8 本章小结 | 第83-85页 |
| 6 总结与展望 | 第85-89页 |
| 6.1 全文总结 | 第85-86页 |
| 6.2 研究展望 | 第86-89页 |
| 致谢 | 第89-91页 |
| 参考文献 | 第91-101页 |
| 附录 | 第101页 |
| A 作者在攻读学位期间发表的论文目录 | 第101页 |
| B 作者在攻读学位期间参加的科研项目 | 第101页 |
