基于稀疏表示的人脸图像识别方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-15页 |
| ·人脸识别的研究背景及意义 | 第7-8页 |
| ·人脸识别发展历史 | 第8-9页 |
| ·人脸识别国内外研究现状 | 第9-12页 |
| ·人脸识别技术研究难点 | 第12页 |
| ·压缩感知理论概述 | 第12-14页 |
| ·本文研究内容 | 第14-15页 |
| 2 信号的稀疏表示理论 | 第15-28页 |
| ·压缩感知理论 | 第15-19页 |
| ·压缩感知理论框架 | 第15-17页 |
| ·压缩感知条件 | 第17-18页 |
| ·压缩感知关键要素 | 第18-19页 |
| ·压缩感知理论应用 | 第19页 |
| ·稀疏表示理论 | 第19-22页 |
| ·稀疏表示的基本理论 | 第19-20页 |
| ·稀疏表示的概念 | 第20-22页 |
| ·稀疏表示求解方法 | 第22-26页 |
| ·全局优化算法 | 第22-23页 |
| ·贪婪算法 | 第23-26页 |
| ·匹配追踪算法 | 第23-25页 |
| ·正交匹配追踪算法 | 第25页 |
| ·弱匹配追踪算法 | 第25-26页 |
| ·其他算法 | 第26页 |
| ·稀疏表示理论应用 | 第26页 |
| ·本章小结 | 第26-28页 |
| 3 基于稀疏表示的人脸图像识别方法 | 第28-50页 |
| ·基本思想概述 | 第28-29页 |
| ·字典的构造 | 第29-31页 |
| ·字典概念 | 第29-30页 |
| ·字典构造 | 第30-31页 |
| ·基于最小L_1的稀疏表示人脸识别算法 | 第31-34页 |
| ·测试样本表达 | 第31-32页 |
| ·稀疏求解分类 | 第32-34页 |
| ·算法描述 | 第34页 |
| ·结合特征提取的稀疏表示方法 | 第34-35页 |
| ·特征提取方法 | 第35-43页 |
| ·下采样方法 | 第36-37页 |
| ·Eigenfaces特征脸 | 第37-38页 |
| ·拉普拉斯特征脸 | 第38-40页 |
| ·Fisher特征脸 | 第40-42页 |
| ·随机特征脸 | 第42-43页 |
| ·实验结果分析 | 第43-49页 |
| ·数据库介绍 | 第43-44页 |
| ·特征提取及人脸识别结果 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 4 稀疏表示人脸识别鲁棒性改进 | 第50-67页 |
| ·有效性判别 | 第50-52页 |
| ·遮挡和噪声 | 第52-54页 |
| ·未配准人脸图像识别 | 第54-58页 |
| ·问题描述 | 第54-55页 |
| ·算法描述 | 第55-58页 |
| ·结合总差分方法对稀疏分类的改进 | 第58-61页 |
| ·问题描述 | 第58页 |
| ·向量总变差方法 | 第58-61页 |
| ·实验结果分析 | 第61-66页 |
| ·本章小结 | 第66-67页 |
| 5 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
