小样本情况下特征抽取算法与人脸识别研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 1 绪论 | 第12-29页 |
| ·人脸识别的研究背景和意义 | 第12页 |
| ·人脸识别的发展与现状 | 第12-13页 |
| ·人脸检测 | 第13-15页 |
| ·基于知识的方法 | 第13-15页 |
| ·基于统计模型的方法 | 第15页 |
| ·小样本情况下的人脸特征抽取算法 | 第15-25页 |
| ·基于直观特征的特征抽取算法 | 第16页 |
| ·基于人脸的代数特征的特征抽取算法 | 第16-25页 |
| ·人脸识别方法 | 第25-26页 |
| ·本文研究工作概述 | 第26-28页 |
| ·本文内容安排 | 第28-29页 |
| 2 基于最大间距准则的鉴别保局投影算法 | 第29-44页 |
| ·引言 | 第29-30页 |
| ·PCA,LDA,MMC和DLPP算法 | 第30-33页 |
| ·PCA算法 | 第30-31页 |
| ·LDA算法和MMC算法 | 第31-32页 |
| ·DLPP算法 | 第32-33页 |
| ·DLPP/MMC算法的目标函数 | 第33页 |
| ·求解DLPP/MMC的高效算法 | 第33-35页 |
| ·DLPP/MMC的理论分析 | 第35-36页 |
| ·实验结果与分析 | 第36-43页 |
| ·实验中所用的数据库 | 第36-38页 |
| ·人脸识别实验 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 3 鉴别保局投影算法的改进 | 第44-68页 |
| ·引言 | 第44-46页 |
| ·正交的完备鉴别保局投影(OCDLPP)算法 | 第46-54页 |
| ·OCDLPP的理论推导 | 第46-47页 |
| ·求解OCDLPP的高效算法 | 第47-49页 |
| ·与相关算法的联系 | 第49-52页 |
| ·实验结果与分析 | 第52-54页 |
| ·正则化广义鉴别保局投影(RGDLPP)算法 | 第54-60页 |
| ·RGDLPP算法的理论推导 | 第54-56页 |
| ·实验结果与分析 | 第56-60页 |
| ·快速的完备鉴别保局投影(FCDLPP)算法 | 第60-67页 |
| ·完备的鉴别保局投影(CDLPP)算法 | 第60-61页 |
| ·FCDLPP算法的求解过程 | 第61-66页 |
| ·实验结果与分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 4 小样本情况下基于核化图嵌入的最佳鉴别分析 | 第68-83页 |
| ·引言 | 第68-69页 |
| ·相关的算法 | 第69-73页 |
| ·核主成分分析 | 第69-72页 |
| ·核化图嵌入框架 | 第72-73页 |
| ·核化图嵌入算法的本质 | 第73-75页 |
| ·完备的核化图嵌入算法 | 第75-77页 |
| ·有效鉴别矢量的组成 | 第75-76页 |
| ·鉴别准则 | 第76-77页 |
| ·本章算法的流程 | 第77页 |
| ·实验结果与分析 | 第77-82页 |
| ·本章小结 | 第82-83页 |
| 5 鉴别稀疏邻域保持嵌入算法 | 第83-94页 |
| ·引言 | 第83-84页 |
| ·相关的算法 | 第84-86页 |
| ·近邻保持嵌入算法 | 第84-85页 |
| ·稀疏表示 | 第85页 |
| ·稀疏保持投影 | 第85-86页 |
| ·鉴别稀疏邻域保持嵌入 | 第86-89页 |
| ·类间近邻散度 | 第86-87页 |
| ·类内近邻散度 | 第87-88页 |
| ·DSNPE算法 | 第88-89页 |
| ·实验结果与分析 | 第89-93页 |
| ·基于DSNPE的人脸表示 | 第89-90页 |
| ·DSNPE算法的人脸识别性能 | 第90-93页 |
| ·本章小结 | 第93-94页 |
| 6 结束语 | 第94-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-112页 |
| 附录 | 第112-113页 |
