| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 人脸识别问题描述 | 第10-11页 |
| 1.3 人脸识别难点 | 第11-12页 |
| 1.4 国内外研究现状 | 第12-13页 |
| 1.5 本文主要研究内容 | 第13-14页 |
| 1.6 本文组织结构 | 第14-16页 |
| 第2章 稀疏表示分类及图像模式描述 | 第16-28页 |
| 2.1 稀疏表示 | 第16-23页 |
| 2.1.1 稀疏表示原理 | 第16-18页 |
| 2.1.2 稀疏表示优势及应用 | 第18页 |
| 2.1.3 稀疏表示分类模型种类及判决函数准则研究 | 第18-23页 |
| 2.2 图像表示形式及两种特征表示描述符 | 第23-27页 |
| 2.2.1 图像数据表示与特征表示区别 | 第23-24页 |
| 2.2.2 LBP特征表示描述符 | 第24页 |
| 2.2.3 Gabor特征表示描述符 | 第24-27页 |
| 2.2.4 LBP与Gabor特征描述符区别 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于系数累积局部-全局加权融合的稀疏表示人脸识别 | 第28-41页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于系数累积的全局稀疏表示图像识别 | 第29-31页 |
| 3.2.1 系数累积判决函数分类 | 第29-30页 |
| 3.2.2 基于全局的稀疏表示图像识别 | 第30-31页 |
| 3.3 基于系数累积的局部加权融合稀疏表示遮挡人脸识别算法 | 第31-34页 |
| 3.3.1 局部投票加权分类原理 | 第31-33页 |
| 3.3.2 基于稀疏系数累积的局部Borda投票加权稀疏表示分类 | 第33-34页 |
| 3.4 系数累积的局部-全局加权融合的稀疏表示遮挡人脸识别 | 第34-35页 |
| 3.5 实验结果仿真及分析 | 第35-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第4章 基于非最小均方误差的核稀疏表示人脸识别算法 | 第41-51页 |
| 4.1 引言 | 第41-42页 |
| 4.2 基于非最小均方误差的核稀疏表示人脸识别算法 | 第42-45页 |
| 4.2.1 核稀疏表示分类算法 | 第42-44页 |
| 4.2.2 系数累计判决函数原理 | 第44页 |
| 4.2.3 稀疏系数累积的核稀疏表示分类算法 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-50页 |
| 4.3.1 Extended Yale B数据库 | 第46-47页 |
| 4.3.2 ORL数据库 | 第47-48页 |
| 4.3.3 AR数据库 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 核字典学习的多特征联合稀疏表示人脸识别 | 第51-63页 |
| 5.1 引言 | 第51-52页 |
| 5.2 核字典学习的多特征联合稀疏表示人脸识别 | 第52-57页 |
| 5.2.1 核字典学习算法 | 第53-55页 |
| 5.2.2 多特征联合稀疏编码算法 | 第55-56页 |
| 5.2.3 核字典学习的多特征联合稀疏表示模式识别算法 | 第56-57页 |
| 5.3 实验结果仿真 | 第57-62页 |
| 5.3.1 ORL数据库 | 第57-59页 |
| 5.3.2 AR数据库 | 第59-60页 |
| 5.3.3 Extended Yale B数据库 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
