| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 人脸识别的历史背景和意义 | 第9-10页 |
| 1.2 人脸识别简介 | 第10-14页 |
| 1.2.1 人脸识别研究现状与发展 | 第11页 |
| 1.2.2 常用人脸识别方法 | 第11-12页 |
| 1.2.3 人脸识别方法性能评价 | 第12-13页 |
| 1.2.4 人脸识别技术面临的问题 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 人脸特征提取方法研究 | 第16-26页 |
| 2.1 预备知识 | 第16-17页 |
| 2.2 主成分分析法PCA算法 | 第17-18页 |
| 2.3 线性判别分析LDA算法 | 第18-20页 |
| 2.4 局部保持投影算法LPP算法 | 第20页 |
| 2.5 基于稀疏描述的人脸特征提取方法的改进 | 第20-24页 |
| 2.5.1 改进的常规特征提取方法 | 第21-23页 |
| 2.5.2 关于SRTM的合理性分析 | 第23-24页 |
| 2.5.3 SRTM的实验验证 | 第24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 人脸识别分类算法研究 | 第26-34页 |
| 3.1 常用的距离度量方法 | 第26-27页 |
| 3.2 距离分类算法介绍 | 第27-29页 |
| 3.2.1 最近邻分类法 | 第27-28页 |
| 3.2.2 最近中心分类法 | 第28-29页 |
| 3.2.3 最近特征线分类法 | 第29页 |
| 3.3 基于稀疏表示的分类算法介绍 | 第29-32页 |
| 3.3.1 稀疏表示的理论基础 | 第29-30页 |
| 3.3.2 稀疏表示的理论研究 | 第30-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 稀疏表示在人脸识别中的应用与实现 | 第34-59页 |
| 4.1 稀疏表示分类器SRC | 第34-37页 |
| 4.2 加权稀疏表示分类器WSRC | 第37-39页 |
| 4.3 改良加权稀疏表示分类器IWSRC | 第39-42页 |
| 4.4 稀疏表示在人脸识别中的实现 | 第42-57页 |
| 4.4.1 在ORL人脸数据库上的实验结果及其分析 | 第42-46页 |
| 4.4.2 在Yale人脸数据库上的实验结果及其分析 | 第46-49页 |
| 4.4.3 在YaleB人脸数据库上的实验结果及其分析 | 第49-53页 |
| 4.4.4 在AR人脸数据库上的实验结果及其分析 | 第53-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间公开发表的论文 | 第65-66页 |
| 致谢 | 第66-67页 |
