| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题背景与意义 | 第8-9页 |
| ·国内外发展现状 | 第9-10页 |
| ·本文主要的研究内容和结构安排 | 第10-14页 |
| 第二章 压缩感知理论简介 | 第14-30页 |
| ·压缩感知理论提出 | 第14页 |
| ·压缩感知理论基础 | 第14-17页 |
| ·压缩感知理论框架 | 第14-16页 |
| ·压缩感知中的稀疏表示 | 第16页 |
| ·压缩感知中的观测矩阵设计 | 第16-17页 |
| ·压缩感知中的重构算法 | 第17-28页 |
| ·重构算法分析 | 第17-18页 |
| ·匹配追踪算法 | 第18-19页 |
| ·正交匹配追踪算法 | 第19-20页 |
| ·正则化匹配追踪算法 | 第20-21页 |
| ·稀疏度自适应匹配追踪算法 | 第21-22页 |
| ·实验结果 | 第22-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 稀疏度自适匹配追踪算法的改进 | 第30-42页 |
| ·稀疏度自适匹配追踪算法的改进 | 第30-32页 |
| ·稀疏度自适匹配追踪算法改进后实验结果 | 第32-39页 |
| ·一维信号下的重构算法实验 | 第32-34页 |
| ·二维图像的重构算法实验 | 第34-39页 |
| ·本章小结 | 第39-42页 |
| 第四章 改进的稀疏度自适应匹配追踪算法在人脸识别中的应用 | 第42-58页 |
| ·人脸识别特征提取方法和分类方法 | 第42-47页 |
| ·主成分分析方法 | 第42-44页 |
| ·独立成分分析方法 | 第44-45页 |
| ·线性判别分析方法 | 第45-46页 |
| ·支持向量机分类方法 | 第46-47页 |
| ·人脸库简介 | 第47-49页 |
| ·稀疏表示的人脸识别方法 | 第49-53页 |
| ·无噪声的稀疏表示人脸识别方法 | 第49-52页 |
| ·有噪声的稀疏表示人脸识别方法 | 第52-53页 |
| ·LSAMP在稀疏表示的人脸识别中的应用 | 第53页 |
| ·实验结果 | 第53-56页 |
| ·ORL人脸库的实验结果 | 第54页 |
| ·AR人脸库的实验结果 | 第54-55页 |
| ·YaleB人脸库的实验结果 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录A | 第66页 |