| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 选题研究背景及意义 | 第14-15页 |
| 1.2 研究现状 | 第15-19页 |
| 1.2.1 图像识别系统 | 第15-16页 |
| 1.2.2 特征提取方法概述 | 第16-19页 |
| 1.3 本文研究内容及安排 | 第19-22页 |
| 第二章 稀疏表示理论 | 第22-34页 |
| 2.1 从压缩感知到稀疏表示 | 第22-24页 |
| 2.2 稀疏表示 | 第24-26页 |
| 2.3 稀疏编码 | 第26-28页 |
| 2.3.1 正交匹配追踪(Orthogonal Matching Pursuit, OMP) | 第26-27页 |
| 2.3.2 特征符号搜索(Feature-sign search) | 第27-28页 |
| 2.4 稀疏表示的应用 | 第28-31页 |
| 2.4.1 基于稀疏表示的图像去噪 | 第28页 |
| 2.4.2 基于稀疏分解的图像数据压缩 | 第28-29页 |
| 2.4.3 基于稀疏表示的分类器(SRC) | 第29-31页 |
| 2.5 本章小结 | 第31-34页 |
| 第三章 基于稀疏描述的线性判别投影 | 第34-52页 |
| 3.1 LDA | 第34-36页 |
| 3.2 基于稀疏表示分类器的判别投影 | 第36-38页 |
| 3.3 基于稀疏描述的线性判别投影 | 第38-42页 |
| 3.3.1 SD-LDP算法目标函数 | 第39-40页 |
| 3.3.2 SD-LDP算法步骤 | 第40-41页 |
| 3.3.3 SD-LDP算法分析 | 第41-42页 |
| 3.4 实验仿真与分析 | 第42-50页 |
| 3.4.1 数据库的介绍 | 第42-44页 |
| 3.4.2 实验仿真结果与分析 | 第44-50页 |
| 3.5 总结 | 第50-52页 |
| 第四章 鲁棒稀疏判别投影 | 第52-66页 |
| 4.1 鲁棒主成分分析(RPCA) | 第52-55页 |
| 4.1.1 增广拉格朗日求解RPCA模型 | 第53-55页 |
| 4.2 基于指向类心的稀疏表示判别投影 | 第55-58页 |
| 4.2.1 指向类心的稀疏表示模型 | 第55-56页 |
| 4.2.2 求解判别投影 | 第56-58页 |
| 4.3 鲁棒稀疏判别投影 | 第58-60页 |
| 4.3.1 算法过程 | 第58-59页 |
| 4.3.2 基于鲁棒稀疏判别投影的伪代码 | 第59-60页 |
| 4.4 实验仿真与分析 | 第60-65页 |
| 4.4.1 AR库仿真结果 | 第60-61页 |
| 4.4.2 Yale B库仿真结果 | 第61-62页 |
| 4.4.3 PIE库仿真结果 | 第62-63页 |
| 4.4.4 USPS库仿真结果 | 第63页 |
| 4.4.5 COIL库仿真结果 | 第63-64页 |
| 4.4.6 实验分析 | 第64-65页 |
| 4.5 总结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |