| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 1 绪论 | 第12-29页 |
| ·生物特征识别技术概述 | 第12-13页 |
| ·人脸自动识别技术概述 | 第13-19页 |
| ·人脸识别研究现状及应用前景 | 第13-15页 |
| ·人脸识别的研究内容 | 第15-16页 |
| ·人脸识别问题的难点 | 第16-19页 |
| ·人脸识别中的特征抽取方法 | 第19-24页 |
| ·线性特征抽取方法 | 第19-22页 |
| ·非线性特征抽取方法 | 第22-24页 |
| ·常用的分类方法 | 第24-25页 |
| ·人脸数据库 | 第25-27页 |
| ·论文的主要工作 | 第27-28页 |
| ·论文的组织结构 | 第28-29页 |
| 2 基于字典学习的核稀疏表示方法在人脸识别中的应用 | 第29-41页 |
| ·引言 | 第29-30页 |
| ·人脸的稀疏表示和Metaface学习框架 | 第30-32页 |
| ·图像的稀疏表示 | 第30-31页 |
| ·Metaface学习框架 | 第31-32页 |
| ·基于字典基的核稀疏分类算法 | 第32-34页 |
| ·基于核的稀疏分类算法 | 第32-33页 |
| ·基于核字典基的Metaface学习 | 第33-34页 |
| ·实验结果与分析 | 第34-39页 |
| ·在ORL人脸数据库上的实验 | 第34-36页 |
| ·在AR人脸数据库上的实验 | 第36-38页 |
| ·在Yale人脸数据库上的实验 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 3 基于Gabor变换的核线性回归的人脸识别算法研究 | 第41-55页 |
| ·引言 | 第41-42页 |
| ·线性回归算法 | 第42-43页 |
| ·基于Gabor小波的人脸特征提取 | 第43-45页 |
| ·Gabor核线性回归分类算法(GKLRC) | 第45-51页 |
| ·基于核的表示方法 | 第45-46页 |
| ·核主成分分析 | 第46-48页 |
| ·核Fisher判别分析 | 第48-50页 |
| ·核ICA算法 | 第50页 |
| ·Gabor核LRC判别分析 | 第50-51页 |
| ·实验结果与分析 | 第51-53页 |
| ·ORL人脸数据库 | 第51-52页 |
| ·AR人脸数据库 | 第52-53页 |
| ·FERET人脸数据库 | 第53页 |
| ·本章小结 | 第53-55页 |
| 4 基于字典基的最小卷积重构误差的人脸识别 | 第55-64页 |
| ·引言 | 第55-56页 |
| ·卷积神经网介绍 | 第56-57页 |
| ·反卷积神经网介绍 | 第57-60页 |
| ·基于字典学习的卷积网分类算法 | 第60-61页 |
| ·实验结果与分析 | 第61-63页 |
| ·ORL人脸数据库上实验 | 第62页 |
| ·Yale人脸数据库上实验 | 第62页 |
| ·AR人脸数据库上实验 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 5 基于多彩色空间相关信息融合的人脸识别算法 | 第64-77页 |
| ·引言 | 第64-65页 |
| ·常用的色度模型 | 第65-67页 |
| ·RGB模型 | 第65-66页 |
| ·YIQ颜色模型 | 第66页 |
| ·HSV模型 | 第66页 |
| ·HIS模型 | 第66-67页 |
| ·YC_bC_r颜色模型 | 第67页 |
| ·Contourlet变换及特性 | 第67-69页 |
| ·CCA相关分析 | 第69-70页 |
| ·基于多彩色空间相关信息融合的人脸识别算法 | 第70-71页 |
| ·实验结果与分析 | 第71-76页 |
| ·彩色AR人脸数据库简介 | 第71-72页 |
| ·实验结果及其分析 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 6 结束语 | 第77-80页 |
| ·本文工作总结 | 第77-78页 |
| ·展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-96页 |
| 附录 | 第96页 |