| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·选题研究背景及意义 | 第7-8页 |
| ·研究现状 | 第8-12页 |
| ·当前常见的人脸识别方法 | 第8-12页 |
| ·本论文的研究内容及安排 | 第12-15页 |
| 第二章 稀疏表示理论基础 | 第15-27页 |
| ·引言 | 第15页 |
| ·稀疏表示理论 | 第15-17页 |
| ·稀疏性与L1 范数 | 第17-18页 |
| ·常用的稀疏表示编码算法 | 第18-23页 |
| ·正交匹配算法(OMP) | 第18-19页 |
| ·特征符号搜索(Feature-sign search) | 第19-21页 |
| ·增广拉格朗日(Augment Lagrange Multiplier)算法 | 第21-23页 |
| ·稀疏表示的应用 | 第23-26页 |
| ·稀疏表示在图像去噪中的应用 | 第23页 |
| ·稀疏表示在模式识别中的应用 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 融合同类样本相似属性的类K-SVD字典学习算法 | 第27-43页 |
| ·引言 | 第27页 |
| ·字典设计方法介绍 | 第27-31页 |
| ·常用的字典学习算法 | 第28-31页 |
| ·基于类K-SVD字典学习方法 | 第31-32页 |
| ·同类样本对应的表征系数的分析 | 第32-34页 |
| ·融合同类样本相似几何属性的类K-SVD字典学习算法 | 第34-35页 |
| ·实验结果 | 第35-41页 |
| ·ORL库的仿真结果及分析 | 第35-39页 |
| ·AR库的仿真结果及分析 | 第39-40页 |
| ·Extended Yale b库的仿真结果及分析 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于监督判别字典学习算法的人脸识别 | 第43-55页 |
| ·算法思想 | 第43-44页 |
| ·模型的目标函数 | 第44页 |
| ·求解 | 第44-48页 |
| ·实验结果 | 第48-53页 |
| ·ORL库的仿真结果及分析 | 第48-51页 |
| ·AR库的仿真结果及分析 | 第51-52页 |
| ·Extended Yale b库的仿真结果及分析 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·本文工作内容总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 研究成果 | 第65-66页 |
