基于压缩感知的人脸识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 人脸识别的发展和研究现状 | 第10-11页 |
| 1.3 压缩感知的发展及研究现状 | 第11-12页 |
| 1.4 论文主要内容及结构安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 人脸检测定位和预处理矫正 | 第14-26页 |
| 2.1 人脸识别的流程描述 | 第14页 |
| 2.2 人脸检测 | 第14-16页 |
| 2.3 基于Adaboost算法的人脸检测 | 第16-21页 |
| 2.3.1 类Haar特征 | 第16-17页 |
| 2.3.2 基于积分图像的特征值计算 | 第17-18页 |
| 2.3.3 Adaboost学习算法 | 第18-21页 |
| 2.4 图像预处理和归一化对齐 | 第21-24页 |
| 2.4.1 图像灰度化 | 第21-22页 |
| 2.4.2 直方图均衡化 | 第22-23页 |
| 2.4.3 几何归一化和对齐 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 基于压缩感知和重叠分块的遮挡人脸识别 | 第26-38页 |
| 3.1 压缩感知理论 | 第26-30页 |
| 3.1.1 问题描述 | 第26-28页 |
| 3.1.2 测量矩阵 | 第28-29页 |
| 3.1.3 信号重构 | 第29-30页 |
| 3.2 基于稀疏表示的人脸识别 | 第30-36页 |
| 3.2.1 算法描述 | 第30-32页 |
| 3.2.2 基于SRC的遮挡人脸算法改进 | 第32-33页 |
| 3.2.3 遮挡人脸算法流程描述 | 第33-34页 |
| 3.2.4 实验结果分析 | 第34-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第四章 基于加权小波的压缩感知人脸识别 | 第38-46页 |
| 4.1 问题描述 | 第38页 |
| 4.2 改进的加权小波变换 | 第38-40页 |
| 4.3 主成分分析 | 第40-41页 |
| 4.4 稀疏分类算法流程描述 | 第41-42页 |
| 4.5 实验结果分析 | 第42-45页 |
| 4.5.1 ORL库测试实验 | 第43-44页 |
| 4.5.2 FERET库测试实验 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 基于局部和整体融合的稀疏人脸性别识别 | 第46-55页 |
| 5.1 性别识别问题描述 | 第46-47页 |
| 5.2 人脸局部分割 | 第47-48页 |
| 5.3 稀疏特征选择 | 第48-49页 |
| 5.4 支持向量机 | 第49-51页 |
| 5.5 实验结果分析 | 第51-54页 |
| 5.5.1 基于不同分类器的性别识别实验 | 第51-52页 |
| 5.5.2 基于子区域的性别识别实验 | 第52-53页 |
| 5.5.3 基于区域融合的性别识别实验 | 第53-54页 |
| 5.6 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 进一步的研究工作 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士期间发表的学术论文目录 | 第63-65页 |
