稀疏表示模型的求解方法及在眉毛识别中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究的背景及意义 | 第9-11页 |
| ·研究的背景 | 第9-10页 |
| ·研究的意义 | 第10-11页 |
| ·主要研究内容 | 第11页 |
| ·本文组织结构 | 第11-13页 |
| 第2章 生物特征识别方法综述 | 第13-21页 |
| ·指纹识别 | 第13-14页 |
| ·虹膜识别 | 第14页 |
| ·人脸识别 | 第14-15页 |
| ·眉毛识别 | 第15-17页 |
| ·其他生物特征识别 | 第17-19页 |
| ·本章小结 | 第19-21页 |
| 第3章 稀疏表示模型的研究 | 第21-33页 |
| ·稀疏表示 | 第21-24页 |
| ·信号表示 | 第21-22页 |
| ·稀疏性度量 | 第22-23页 |
| ·稀疏表示模型 | 第23-24页 |
| ·范数最小化问题 | 第24-31页 |
| ·范数最小化求解 | 第25-28页 |
| ·连续型的范数最小化求解 | 第28-30页 |
| ·连续型的范数最小化求解在眉毛识别中的应用 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第4章 基于稀疏表示的眉毛识别方法研究 | 第33-41页 |
| ·基于 PCA 的眉毛特征提取 | 第33-34页 |
| ·眉毛特征提取 | 第33页 |
| ·PCA | 第33-34页 |
| ·基于稀疏表示的眉毛识别 | 第34-36页 |
| ·眉毛图像的预处理 | 第34-35页 |
| ·眉毛特征向量的提取 | 第35页 |
| ·眉毛识别的过程 | 第35-36页 |
| ·实验结果及分析 | 第36-39页 |
| ·纯眉毛图像作为测试样本的情况 | 第36页 |
| ·测试图像被噪声污染的情况 | 第36-38页 |
| ·测试图像被遮挡的情况 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第5章 基于其他分类方法的眉毛识别研究 | 第41-51页 |
| ·基于最近邻法的眉毛识别 | 第41页 |
| ·基于最近子空间法的眉毛识别 | 第41-42页 |
| ·基于支持向量机的眉毛识别 | 第42-45页 |
| ·线性可分的情况 | 第43-44页 |
| ·线性不可分的情况 | 第44页 |
| ·非线性支持向量机 | 第44-45页 |
| ·实验结果及分析 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59页 |
