| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 概述 | 第11-14页 |
| 1.1.1 人脸识别的发展现状 | 第11-12页 |
| 1.1.2 人脸识别的发展历程 | 第12-13页 |
| 1.1.3 人脸识别技术的应用 | 第13-14页 |
| 1.1.4 人脸识别技术存在的问题 | 第14页 |
| 1.2 人脸识别技术的内容 | 第14-15页 |
| 1.2.1 人脸识别的结构 | 第14-15页 |
| 1.3 人脸识别技术的研究现状 | 第15-20页 |
| 1.3.1 线性子空间学习方法 | 第16-17页 |
| 1.3.1.1 主成分分析(Principal Component Analysis,PCA) | 第16-17页 |
| 1.3.1.2 Fisher线性鉴别分析(Fisher Linear Discriminant Analysis) | 第17页 |
| 1.3.2 非线性子空间学习方法 | 第17-19页 |
| 1.3.2.1 核方法 | 第17-18页 |
| 1.3.2.2 流形学习 | 第18-19页 |
| 1.3.3 稀疏表示理论 | 第19-20页 |
| 1.4 本文主要研究工作 | 第20-21页 |
| 1.5 本文内容的章节安排 | 第21-23页 |
| 第二章 基于非负稀疏低秩表示分类的人脸识别方法 | 第23-34页 |
| 2.1 引言 | 第23-24页 |
| 2.2 相关工作 | 第24页 |
| 2.3 基于非负稀疏低秩表示的人脸识别 | 第24-28页 |
| 2.3.1 非负稀疏低秩表示 | 第24-25页 |
| 2.3.2 优化 | 第25-27页 |
| 2.3.3 分类 | 第27-28页 |
| 2.4 实验结果 | 第28-33页 |
| 2.4.1 ORL人脸库上的实验 | 第28-29页 |
| 2.4.2 AR人脸库上的实验 | 第29-31页 |
| 2.4.3 Extended YaleB人脸库上的实验 | 第31-33页 |
| 2.5 结论 | 第33-34页 |
| 第三章 基于字典学习的鲁棒人脸识别算法 | 第34-42页 |
| 3.1 引言 | 第34-35页 |
| 3.2 相关工作 | 第35页 |
| 3.3 基于字典学习的人脸识别算法 | 第35-38页 |
| 3.3.1 构造字典 | 第36-38页 |
| 3.4 实验分析与结果 | 第38-41页 |
| 3.4.1 GT人脸库上的实验 | 第38-39页 |
| 3.4.2 AR人脸库上的实验 | 第39-40页 |
| 3.4.3 CMU PIE人脸库上的实验 | 第40-41页 |
| 3.5 总结 | 第41-42页 |
| 第四章 基于分段表示的人脸识别算法 | 第42-50页 |
| 4.1 引言 | 第42-43页 |
| 4.2 相关工作 | 第43-44页 |
| 4.2.1 稀疏表示分类 | 第43页 |
| 4.2.2 协作表示分类 | 第43-44页 |
| 4.2.3 线性回归分类 | 第44页 |
| 4.3 基于分段表示的人脸识别算法 | 第44-46页 |
| 4.4 实验结果与分析 | 第46-48页 |
| 4.4.1 AR人脸库上的实验 | 第46-47页 |
| 4.4.2 CMU PIE人脸库上的实验 | 第47-48页 |
| 4.5 总结 | 第48-50页 |
| 第五章 基于样本相关性约束的线性回归分类 | 第50-57页 |
| 5.1 引言 | 第50-51页 |
| 5.2 相关工作 | 第51页 |
| 5.3 改进的LRC | 第51-52页 |
| 5.4 实验分析与结果 | 第52-56页 |
| 5.4.1 AR人脸库上的实验 | 第53页 |
| 5.4.2 GT人脸库上的实验 | 第53-54页 |
| 5.4.3 CMU PIE人脸库上的实验 | 第54-55页 |
| 5.4.4 Extended YaleB人脸库上的实验 | 第55-56页 |
| 5.5 总结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-71页 |
