| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 人脸识别的研究背景和意义 | 第7页 |
| 1.2 人脸识别的研究内容 | 第7-9页 |
| 1.3 本课题研究背景和国内外现状 | 第9-11页 |
| 1.3.1 研究背景 | 第9页 |
| 1.3.2 国内外研究现状 | 第9-11页 |
| 1.4 论文内容及结构介绍 | 第11-12页 |
| 1.4.1 研究内容 | 第11页 |
| 1.4.2 论文结构安排 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 基于稀疏表示的人脸识别相关理论 | 第13-19页 |
| 2.1 人脸识别基本步骤 | 第13-14页 |
| 2.1.1 人脸检测 | 第13-14页 |
| 2.1.2 人脸特征点定位 | 第14页 |
| 2.1.3 特征提取 | 第14页 |
| 2.1.4 人脸识别 | 第14页 |
| 2.2 稀疏表示相关理论及应用 | 第14-17页 |
| 2.2.1 稀疏表示简介 | 第14-15页 |
| 2.2.2 l_(2,1)范数约束的稀疏表示模型 | 第15页 |
| 2.2.3 稀疏表示相关问题的优化求解 | 第15-16页 |
| 2.2.4 稀疏表示相关的应用 | 第16-17页 |
| 2.3 稀疏表示在人脸识别中的应用 | 第17-18页 |
| 2.4 实验主要人脸数据库介绍 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 局部联合结构化稀疏表示的人脸识别 | 第19-32页 |
| 3.1 局部联合结构化稀疏表示 | 第19-23页 |
| 3.1.1 局部联合结构化稀疏表示模型 | 第19-21页 |
| 3.1.2 模型优化求解 | 第21-23页 |
| 3.1.3 人脸表示模型收敛性分析 | 第23页 |
| 3.2 分类策略 | 第23-24页 |
| 3.3 类内变化字典学习 | 第24-26页 |
| 3.3.1 联合类内变化字典学习模型 | 第24页 |
| 3.3.2 模型优化求解 | 第24-25页 |
| 3.3.3 字典学习模型收敛性分析 | 第25-26页 |
| 3.4 实验结果与分析 | 第26-31页 |
| 3.4.1 参数设置 | 第26页 |
| 3.4.2 AR人脸数据库实验 | 第26-27页 |
| 3.4.3 Extend Yale B人脸数据库实验 | 第27-28页 |
| 3.4.4 CMU-PIE人脸数据库实验 | 第28-29页 |
| 3.4.5 变化字典类型的对比分析 | 第29页 |
| 3.4.6 分块大小的影响 | 第29-30页 |
| 3.4.7 字典大小的影响 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于局部显著特征提取的人脸识别 | 第32-43页 |
| 4.1 局部显著特征提取 | 第32-34页 |
| 4.1.1 分块稀疏表示模型 | 第32-33页 |
| 4.1.2 局部显著特征提取 | 第33-34页 |
| 4.2 分类策略 | 第34页 |
| 4.3 字典学习策略 | 第34-36页 |
| 4.3.1 判别性类内变化字典学习 | 第34页 |
| 4.3.2 判别性类内变化字典模型优化 | 第34-35页 |
| 4.3.3 全局与局部类内变化字典学习策略 | 第35-36页 |
| 4.4 实验结果与分析 | 第36-41页 |
| 4.4.1 参数设置 | 第36页 |
| 4.4.2 AR人脸数据库实验 | 第36-37页 |
| 4.4.3 Extend Yale B人脸数据库实验 | 第37页 |
| 4.4.4 CMU-PIE人脸数据库实验 | 第37-38页 |
| 4.4.5 分块大小的影响 | 第38页 |
| 4.4.6 变化字典大小的影响 | 第38-39页 |
| 4.4.7 局部与全局字典学习对识别结果的影响 | 第39-40页 |
| 4.4.8 变化字典类型的影响 | 第40-41页 |
| 4.5 本章小节 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 主要结论 | 第43页 |
| 展望 | 第43-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第51页 |