| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 人脸识别技术的工作流程 | 第9-12页 |
| 1.2.1 人脸图像的采集 | 第9页 |
| 1.2.2 人脸检测 | 第9-10页 |
| 1.2.3 人脸图像预处理 | 第10-11页 |
| 1.2.4 人脸图像特征生成 | 第11页 |
| 1.2.5 人脸匹配与识别 | 第11-12页 |
| 1.3 人脸特征生成的主要方法 | 第12-13页 |
| 1.4 本文的主要工作和框架 | 第13-14页 |
| 1.5 本章小节 | 第14-15页 |
| 第二章 基于Weber法则的局部多值模式人脸识别方法 | 第15-30页 |
| 2.1 引言 | 第15页 |
| 2.2 相关工作 | 第15-22页 |
| 2.2.1 局部二值模式(LBP) | 第15-16页 |
| 2.2.2 局部三值模式(LTP) | 第16-17页 |
| 2.2.3 韦伯局部特征描述符(WLD) | 第17-20页 |
| 2.2.4 三维局部二值模式(3DLBP) | 第20-22页 |
| 2.3 基于韦伯法则的局部多值模式特征描述子 | 第22-25页 |
| 2.3.1 基于韦伯法则的局部多值模式(WLMP) | 第22-23页 |
| 2.3.2 基于WLMP的人脸识别 | 第23-25页 |
| 2.3.3 最近邻人脸识别 | 第25页 |
| 2.4 实验及结果 | 第25-29页 |
| 2.4.1 在ORL库上的实验 | 第25-27页 |
| 2.4.2 在AR人脸库上的实验 | 第27-28页 |
| 2.4.3 参数讨论 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于多尺度块的局部多值模式的人脸识别 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 相关工作 | 第30-31页 |
| 3.2.1 MB-LBP | 第30-31页 |
| 3.3 基于多尺度块的局部多值模式特征描述子 | 第31-35页 |
| 3.3.1 积分图思想 | 第32-33页 |
| 3.3.2 基于多尺度块的局部多值模式(MB-LMP) | 第33-34页 |
| 3.3.3 基于MB-LMP的人脸识别 | 第34-35页 |
| 3.4 实验及结果 | 第35-41页 |
| 3.4.1 在ORL库上的实验 | 第35-37页 |
| 3.4.2 在AR库上的实验 | 第37-38页 |
| 3.4.3 参数讨论 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于稀疏表示的人脸识别算法 | 第43-56页 |
| 4.1 引言 | 第43页 |
| 4.2 稀疏编码 | 第43-46页 |
| 4.2.1 稀疏编码理论(SC,Sparse Coding) | 第43-44页 |
| 4.2.2 基于局部约束的线性编码方法(LLC) | 第44-46页 |
| 4.3 LLC在人脸识别上的应用 | 第46-51页 |
| 4.3.1 特征提取 | 第47页 |
| 4.3.2 字典的构造 | 第47-48页 |
| 4.3.3 特征编码 | 第48-49页 |
| 4.3.4 特征汇总 | 第49-50页 |
| 4.3.5 分类识别 | 第50-51页 |
| 4.4 对基于LLC的人脸识别算法的改进 | 第51-52页 |
| 4.4.1 特征联合编码 | 第51-52页 |
| 4.4.2 基于稀疏编码的字典学习 | 第52页 |
| 4.5 实验及结果 | 第52-55页 |
| 4.5.1 在YaleB库上的实验 | 第52-53页 |
| 4.5.2 参数讨论 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间研究成果 | 第63页 |
