| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 人脸识别研究的意义与应用 | 第11页 |
| 1.2 人脸识别的发展历程与现状 | 第11-13页 |
| 1.2.1 人脸识别的发展历程 | 第11-12页 |
| 1.2.2 人脸识别的研究现状 | 第12-13页 |
| 1.3 经典人脸数据库介绍 | 第13-14页 |
| 1.4 本文研究内容与章节的安排 | 第14-17页 |
| 1.4.1 本文研究的主要内容 | 第14-16页 |
| 1.4.2 本文的章节安排 | 第16-17页 |
| 第2章 人脸特征提取方法的研究 | 第17-27页 |
| 2.1 基于Gabor小波算法的人脸特征提取 | 第17-20页 |
| 2.1.1 2D Gabor小波 | 第17-18页 |
| 2.1.2 Gabor人脸特征提取原理 | 第18-20页 |
| 2.2 PCA主成分分析方法 | 第20-23页 |
| 2.2.1 K-L变换 | 第21-22页 |
| 2.2.2 PCA算法原理 | 第22-23页 |
| 2.3 Gabor变换结合PCA人脸特征提取 | 第23-24页 |
| 2.4 实验结果分析及小结 | 第24-26页 |
| 2.4.1 ORL人脸数据库 | 第24-25页 |
| 2.4.2 FERET人脸数据库 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 信号的稀疏表示理论 | 第27-37页 |
| 3.1 压缩感知理论 | 第27-28页 |
| 3.2 稀疏表示 | 第28-30页 |
| 3.2.1 稀疏表示人脸识别算法 | 第28-30页 |
| 3.2.2 实验结果与分析 | 第30页 |
| 3.3 稀疏表示的求解方法 | 第30-36页 |
| 3.3.1 基追踪算法 | 第31页 |
| 3.3.2 正交匹配追踪法(OMP)及其改进法算法 | 第31-32页 |
| 3.3.3 基于免疫学的OMP算法 | 第32-33页 |
| 3.3.4 实验结果与分析 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于核稀疏表示的人脸识别方法 | 第37-56页 |
| 4.1 字典学习 | 第37-45页 |
| 4.1.1 Metaface字典学习原理 | 第37-38页 |
| 4.1.2 K-SVD字典学习原理 | 第38-40页 |
| 4.1.3 改进的K-SVD算法研究 | 第40-41页 |
| 4.1.4 实验结果与分析 | 第41-45页 |
| 4.2 核稀疏表示理论 | 第45-50页 |
| 4.2.1 核稀疏表示原理 | 第46-47页 |
| 4.2.2 实验结果与分析 | 第47-50页 |
| 4.3 结合特征提取的核稀疏表示人脸识别 | 第50-51页 |
| 4.3.1 基于Gabor-PCA的KSRC的人脸识别算法 | 第50页 |
| 4.3.2 实验结果与分析 | 第50-51页 |
| 4.4 基于字典学习的核稀疏表示人脸识别 | 第51-53页 |
| 4.4.1 基于K-SVD字典学习的核稀疏表示算法 | 第51-52页 |
| 4.4.2 实验结果与分析 | 第52-53页 |
| 4.5 其他应用 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第5章 总结和展望 | 第56-58页 |
| 5.1 论文总结 | 第56-57页 |
| 5.2 工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士研究生期间论文发表情况 | 第63页 |
