基于线性回归分析的特征抽取及分类应用研究
摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第11-21页 |
1.1 概述 | 第11-13页 |
1.1.1 人脸识别技术的发展 | 第11-12页 |
1.1.2 人脸识别技术的应用 | 第12-13页 |
1.2 人脸识别技术的内容 | 第13-15页 |
1.2.1 人脸识别的结构 | 第13-14页 |
1.2.2 人脸识别技术存在的问题 | 第14-15页 |
1.3 特征抽取技术介绍 | 第15-18页 |
1.3.1 线性特征抽取 | 第15-16页 |
1.3.2 非线性特征抽取 | 第16-18页 |
1.4 稀疏表示 | 第18页 |
1.5 本文主要研究工作 | 第18-20页 |
1.6 本文内容章节安排 | 第20-21页 |
第二章 迁移线性表示分类 | 第21-37页 |
2.1 引言 | 第21-23页 |
2.2 相关工作 | 第23-26页 |
2.2.1 线性回归分类 | 第23页 |
2.2.2 稀疏表示分类 | 第23-24页 |
2.2.3 协同表达分类 | 第24页 |
2.2.4 两阶段测试样本稀疏表示 | 第24-25页 |
2.2.5 “由粗到细”人脸识别 | 第25-26页 |
2.3 迁移线性表示分类 | 第26-28页 |
2.3.1 算法第一阶段 | 第26-27页 |
2.3.2 算法第二阶段 | 第27页 |
2.3.3 分类 | 第27-28页 |
2.4 迁移线性表示分类算法分析 | 第28-29页 |
2.5 实验结果与分析 | 第29-36页 |
2.5.1 GT人脸库上的实验 | 第29-30页 |
2.5.2 AR人脸库上的实验 | 第30-33页 |
2.5.3 扩展YALE B人脸库上的实验 | 第33-34页 |
2.5.4 CMU PIE人脸库上的实验 | 第34-36页 |
2.6 本章小结 | 第36-37页 |
第三章 基于镜像图像的鲁棒最小平方误差算法 | 第37-46页 |
3.1 引言 | 第37-38页 |
3.2 相关工作 | 第38-39页 |
3.2.1 最小平方误差算法 | 第38-39页 |
3.2.2 镜像图像 | 第39页 |
3.3 基于镜像图像的鲁棒最小平方误差算法 | 第39-40页 |
3.3.1 模型建立 | 第39页 |
3.3.2 识别方案一 | 第39-40页 |
3.3.3 识别方案二 | 第40页 |
3.3.4 算法步骤 | 第40页 |
3.4 实验结果与分析 | 第40-45页 |
3.4.1 FERET人脸库上的实验 | 第40-41页 |
3.4.2 扩展YALE B人脸库上的实验 | 第41-43页 |
3.4.3 ORL人脸库上的实验 | 第43-44页 |
3.4.4 AR人脸库上的实验 | 第44-45页 |
3.5 本章小结 | 第45-46页 |
第四章 基于非负表示系数的两阶段人脸识别 | 第46-55页 |
4.1 引言 | 第46-47页 |
4.2 最近邻分类器 | 第47页 |
4.3 基于非负表示系数的两阶段人脸识别 | 第47-49页 |
4.3.1 第一阶段 | 第48页 |
4.3.2 第二阶段 | 第48页 |
4.3.3 识别方案一 | 第48页 |
4.3.4 识别方案二 | 第48-49页 |
4.3.5 算法步骤 | 第49页 |
4.4 实验结果与分析 | 第49-54页 |
4.4.1 ORL人脸库上的实验 | 第49-51页 |
4.4.2 FERET人脸库上的实验 | 第51-52页 |
4.4.3 GT人脸库上的实验 | 第52-54页 |
4.5 本章小结 | 第54-55页 |
第五章 基于迁移线性表示的l_2范数重构鉴别投影 | 第55-64页 |
5.1 引言 | 第55-56页 |
5.2 协同表示鉴别投影 | 第56-57页 |
5.3 基于迁移线性表示的l_2范数重构鉴别投影 | 第57-61页 |
5.3.1 迁移线性表示 | 第57-58页 |
5.3.2 l_2范数重构鉴别投影 | 第58-60页 |
5.3.3 流程图 | 第60-61页 |
5.4 实验结果与分析 | 第61-63页 |
5.4.1 GT人脸库上的实验 | 第61-62页 |
5.4.2 ORL人脸库上的实验 | 第62-63页 |
5.4.3 AR人脸库上的实验 | 第63页 |
5.5 本章小结 | 第63-64页 |
第六章 总结与展望 | 第64-66页 |
6.1 总结 | 第64-65页 |
6.2 展望 | 第65-66页 |
参考文献 | 第66-73页 |
致谢 | 第73-74页 |
硕士期间发表论文情况 | 第74-75页 |