| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 稀疏表示人脸识别的基本理论 | 第16-22页 |
| 2.1 人脸识别的定义及步骤 | 第16页 |
| 2.2 人脸识别系统的关键问题 | 第16-17页 |
| 2.3 稀疏表示人脸识别技术 | 第17-19页 |
| 2.3.1 稀疏表示模型建立 | 第18页 |
| 2.3.2 l1范数正则约束的稀疏表示模型 | 第18-19页 |
| 2.3.3 基于稀疏表示的人脸识别方法 | 第19页 |
| 2.4 协作表示理论 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 维数约减结合结构稀疏表示人脸识别算法 | 第22-32页 |
| 3.1 引言 | 第22-23页 |
| 3.2 改进的辨别性维数约减矩阵训练 | 第23-25页 |
| 3.3 结构稀疏表示理论 | 第25-27页 |
| 3.4 实验结果及分析 | 第27-31页 |
| 3.4.1 实验数据及设置 | 第27-28页 |
| 3.4.2 实验结果 | 第28-30页 |
| 3.4.3 结果分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于Gabor特征的支持向量引导字典学习方法 | 第32-42页 |
| 4.1 引言 | 第32页 |
| 4.2 Gabor特征提取 | 第32-34页 |
| 4.3 基于支持向量引导的字典学习方法 | 第34-39页 |
| 4.3.1 字典学习问题的一般模型 | 第34-35页 |
| 4.3.2 参数化辨别项定义 | 第35-36页 |
| 4.3.3 支持向量引导的字典学习模型 | 第36-37页 |
| 4.3.4 优化求解及复杂度分析 | 第37-39页 |
| 4.3.5 分类方法 | 第39页 |
| 4.4 实验仿真 | 第39-41页 |
| 4.4.1 AR人脸库实验结果 | 第39-40页 |
| 4.4.2 Extend Yale B人脸库实验结果 | 第40页 |
| 4.4.3 遮挡的AR人脸库实验结果 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 局部统计特征与多尺度融合的分块协作表示方法 | 第42-54页 |
| 5.1 引言 | 第42-43页 |
| 5.2 局部统计特征多尺度分块协作表示的人脸识别 | 第43-50页 |
| 5.2.1 局部统计特征提取 | 第43-45页 |
| 5.2.2 分块协作表示 | 第45-46页 |
| 5.2.3 多尺度融合的分块协作表示方法 | 第46-50页 |
| 5.3 实验仿真及分析 | 第50-52页 |
| 5.3.1 Extend Yale B人脸库实验结果 | 第50-51页 |
| 5.3.2 AR人脸库实验结果 | 第51页 |
| 5.3.3 LFW人脸库实验结果 | 第51-52页 |
| 5.3.4 单训练样本实验结果 | 第52页 |
| 5.4 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |
