| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及技术研究难点 | 第10-13页 |
| 1.2.1 国内外研究现状 | 第10-12页 |
| 1.2.2 技术研究难点 | 第12-13页 |
| 1.3 本文主要研究内容及创新点 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 基本理论 | 第16-23页 |
| 2.1 人脸识别基本流程 | 第16-21页 |
| 2.1.1 人脸检测 | 第16-17页 |
| 2.1.2 图像预处理 | 第17-18页 |
| 2.1.3 特征提取 | 第18-19页 |
| 2.1.4 分类识别 | 第19-21页 |
| 2.2 稀疏表征理论 | 第21-23页 |
| 2.2.1 稀疏表示 | 第21-22页 |
| 2.2.2 分组稀疏 | 第22-23页 |
| 第三章 基于局部敏感性分组稀疏表示的人脸识别研究 | 第23-43页 |
| 3.1 基于局部敏感性分组稀疏表示的人脸识别算法 | 第23-25页 |
| 3.1.1 概述 | 第23页 |
| 3.1.2 LS-GSRC算法实现 | 第23-25页 |
| 3.2 基于核局部敏感性分组稀疏的极限学习机人脸识别算法 | 第25-30页 |
| 3.2.1 极限学习机 | 第25-28页 |
| 3.2.2 LS-GSE算法实现 | 第28-30页 |
| 3.3 模拟试验及分析 | 第30-43页 |
| 3.3.1 实验数据集 | 第30页 |
| 3.3.2 LS-GSRC实验与结果分析 | 第30-33页 |
| 3.3.3 LS-GSE实验与结果分析 | 第33-43页 |
| 第四章 基于非级联Gabor特征的混合稀疏表示方法的鲁棒人脸识别 | 第43-53页 |
| 4.1 Gabor特征概述 | 第43-44页 |
| 4.2 基于非级联Gabor特征的混合稀疏表示人脸识别算法 | 第44-47页 |
| 4.2.1 混合稀疏表示 | 第44-45页 |
| 4.2.2 算法实现 | 第45-47页 |
| 4.3 模拟试验及分析 | 第47-53页 |
| 4.3.1 实验数据集 | 第47页 |
| 4.3.2 模拟实验 | 第47-51页 |
| 4.3.3 实验分析 | 第51-53页 |
| 第五章 总结与展望 | 第53-56页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 硕士期间发表的论文与参加的科研项目 | 第63页 |
