| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 图像特征表征的研究现状 | 第9-10页 |
| 1.2.2 特征选择理论的研究现状 | 第10-13页 |
| 1.2.3 人脸识别的研究现状 | 第13-14页 |
| 1.3 本文的主要研究工作 | 第14-15页 |
| 1.4 本文的研究路线图 | 第15-16页 |
| 2 基于Gabor特征的人脸表征方法 | 第16-25页 |
| 2.1 傅里叶变换及Gabor小波变换 | 第16-21页 |
| 2.1.1 傅里叶变换基础知识 | 第16-17页 |
| 2.1.2 一维Gabor小波 | 第17-19页 |
| 2.1.3 二维Gabor小波 | 第19-20页 |
| 2.1.4 图像的Gabor特征 | 第20-21页 |
| 2.2 其他图像表示特征 | 第21-23页 |
| 2.2.1 LBP特征 | 第21页 |
| 2.2.2 Haar_like特征 | 第21-23页 |
| 2.3 人脸的Gabor特征块表征 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于L_0-SVM特征选择方法研究 | 第25-41页 |
| 3.1 SVM基础知识 | 第25-33页 |
| 3.1.1 线性硬间隔支持向量机 | 第28-30页 |
| 3.1.2 线性软间隔支持向量机 | 第30页 |
| 3.1.3 非线性支持向量机 | 第30-31页 |
| 3.1.4 L_0范式支持向量机 | 第31-33页 |
| 3.2 基于L_0-SVM近似优化问题的DC规划 | 第33-36页 |
| 3.3 基于Gabor块与L_0-SVM近似函数的特征选择算法 | 第36-39页 |
| 3.3.1 指数函数近似（Conc-SVM） | 第36-38页 |
| 3.3.2 对数近似（Log-SVM） | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 4 基于L_0-SVM的特征选择算法在人脸识别中的应用 | 第41-50页 |
| 4.1 人脸检测 | 第41-43页 |
| 4.2 人脸图像的预处理 | 第43-44页 |
| 4.3 人脸关键点检测 | 第44-47页 |
| 4.4 Multi-PIE图像库的人脸识别实证分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 结论与展望 | 第50-53页 |
| 5.1 本文总结 | 第50-51页 |
| 5.2 模型的创新点总结 | 第51页 |
| 5.3 模型的优缺点分析 | 第51页 |
| 5.4 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
