| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究的背景及意义 | 第9-10页 |
| ·国内外研究现状及发展趋势 | 第10-11页 |
| ·人脸识别过程 | 第11-12页 |
| ·人脸图像的获取 | 第11-12页 |
| ·人脸图象的预处理 | 第12页 |
| ·人脸检测与定位 | 第12页 |
| ·人脸特征提取 | 第12页 |
| ·分类器设计与分类 | 第12页 |
| ·人脸识别的难点 | 第12-13页 |
| ·本文的主要工作及研究内容 | 第13-15页 |
| 第二章 复杂目标稀疏表达的理论研究 | 第15-28页 |
| ·什么叫复杂目标 | 第15页 |
| ·稀疏表达理论的提出 | 第15-18页 |
| ·超完备字典 | 第18-20页 |
| ·超完备字典的构造方式 | 第18-19页 |
| ·超完备字典分类 | 第19-20页 |
| ·稀疏表达算法 | 第20-26页 |
| ·匹配追踪算法 | 第20-22页 |
| ·正交匹配追踪算法 | 第22-23页 |
| ·弱贪婪算法 | 第23-24页 |
| ·基追踪算法 | 第24-26页 |
| ·其它算法 | 第26页 |
| ·稀疏表达算法的优缺点 | 第26页 |
| ·稀疏表达算法的优点 | 第26页 |
| ·稀疏表达算法的不足 | 第26页 |
| ·稀疏表达算法的应用 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 稀疏表达算法在人脸特征提取中的应用 | 第28-43页 |
| ·人脸特征提取的目的 | 第28页 |
| ·人脸特征提取的算法 | 第28-37页 |
| ·Gabor小波变换法 | 第28-31页 |
| ·主成分分析法 | 第31-34页 |
| ·线性判别分析法 | 第34页 |
| ·局部投影映射法 | 第34-35页 |
| ·核主成分分析法 | 第35-37页 |
| ·稀疏主成分分析法 | 第37-42页 |
| ·惩罚项简介 | 第38页 |
| ·带惩罚项的稀疏主成分分析 | 第38-41页 |
| ·稀疏主成分分析法对图像进行降维实验 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 稀疏表达算法在人脸分类识别中的应用 | 第43-61页 |
| ·分类器设计准则 | 第43页 |
| ·常用的分类器 | 第43-53页 |
| ·最近邻分类器 | 第43-44页 |
| ·贝叶斯分类器 | 第44-47页 |
| ·神经网络分类器 | 第47-50页 |
| ·支持向量机分类器 | 第50-52页 |
| ·稀疏表达分类器 | 第52-53页 |
| ·稀疏表达分类器 | 第53-58页 |
| ·人脸稀疏表达模型 | 第53-55页 |
| ·稀疏表达分类器的设计 | 第55-56页 |
| ·稀疏表达分类器的优异性 | 第56-58页 |
| ·组合稀疏分类器 | 第58-60页 |
| ·超完备字典的设计 | 第58页 |
| ·组合稀疏表达分类器 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 实验结果及分析 | 第61-66页 |
| ·人脸数据库 | 第61-63页 |
| ·ORL人脸数据库 | 第61页 |
| ·Extended Yale B人脸数据库 | 第61-63页 |
| ·人脸图像特征提取实验结果及分析 | 第63-64页 |
| ·ORL人脸数据库的特征提取实验 | 第63页 |
| ·Extended Yale B 人脸数据库的特征提取实验 | 第63页 |
| ·人脸特征提取实验结果分析 | 第63-64页 |
| ·人脸图像的分类识别实验结果及分析 | 第64页 |
| ·ORL人脸数据库的分类识别实验 | 第64页 |
| ·Extended Yale B人脸数据库的分类识别实验 | 第64页 |
| ·人脸分类识别实验结果分析 | 第64页 |
| ·本章小结 | 第64-66页 |
| 总结与展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文和参加科研情况说明 | 第76-78页 |