| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 人脸识别流程 | 第11-12页 |
| 1.3 研究现状和发展 | 第12-15页 |
| 1.4 研究内容和结构安排 | 第15-16页 |
| 第2章 基于子空间的单样本人脸识别算法 | 第16-28页 |
| 2.1 PCA算法 | 第16-18页 |
| 2.1.1 计算特征脸 | 第16-17页 |
| 2.1.2 运用特征脸进行人脸识别 | 第17-18页 |
| 2.2 (PC)~2A算法 | 第18-20页 |
| 2.3 FLDA算法 | 第20-23页 |
| 2.3.1 2D-FLDA | 第20-21页 |
| 2.3.2 基于SVD的FLDA单样本人脸识别 | 第21-23页 |
| 2.4 LPP算法简介 | 第23-27页 |
| 2.4.1 LPP算法 | 第24-26页 |
| 2.4.2 核局部保持映射 | 第26-27页 |
| 2.5 小结 | 第27-28页 |
| 第3章 基于流形学习的单样本人脸识别 | 第28-40页 |
| 3.1 SLLE算法 | 第28-30页 |
| 3.1.1 LLE算法 | 第28-30页 |
| 3.1.2 SLLE算法 | 第30页 |
| 3.2 LE算法 | 第30-32页 |
| 3.3 S-Isomap算法 | 第32-35页 |
| 3.3.1 Isomap算法 | 第33-34页 |
| 3.3.2 S-Isomap算法 | 第34-35页 |
| 3.4 边界费希尔分析(MFA) | 第35-39页 |
| 3.4.1 核边界费希尔分析(KMFA) | 第37-38页 |
| 3.4.2 张量边界费希尔分析(TMFA) | 第38-39页 |
| 3.5 小结 | 第39-40页 |
| 第4章 基于DMMA和其改进算法的单样本人脸识别 | 第40-54页 |
| 4.1 DMMA算法 | 第40-46页 |
| 4.1.1 DMMA算法描述 | 第41-45页 |
| 4.1.2 基于流形-流形间的距离的人脸识别 | 第45-46页 |
| 4.2 基于Uniform LBP和DMMA的单样本人脸识别 | 第46-53页 |
| 4.2.1 Uniform LBP特征 | 第47-48页 |
| 4.2.2 结合统一LBP模式的DMMA算法 | 第48-50页 |
| 4.2.3 在AR人脸库上的实验 | 第50-52页 |
| 4.2.4 在ORL人脸库上实验 | 第52-53页 |
| 4.3 小结 | 第53-54页 |
| 第5章 基于HOG和DMMA的单样本人脸识别 | 第54-62页 |
| 5.1 HOG特征 | 第54-55页 |
| 5.2 自适应相似度矩阵 | 第55-56页 |
| 5.3 结合HOG和DMMA的特征提取算法 | 第56页 |
| 5.4 识别 | 第56-57页 |
| 5.5 在AR人脸库上的实验 | 第57-59页 |
| 5.6 在FERET人脸库上的实验 | 第59-60页 |
| 5.7 小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |