| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 人脸识别概述 | 第12-18页 |
| 1.3.1 图像获取 | 第13页 |
| 1.3.2 图像预处理 | 第13页 |
| 1.3.3 人脸特征提取 | 第13-15页 |
| 1.3.4 人脸图像分类识别 | 第15-16页 |
| 1.3.5 人脸识别技术的关键问题 | 第16-18页 |
| 1.4 本文主要研究内容 | 第18-19页 |
| 1.5 本文结构安排 | 第19-20页 |
| 第二章 人脸图片预处理及数据库 | 第20-26页 |
| 2.1 图片预处理 | 第20-23页 |
| 2.1.1 颜色变化 | 第20页 |
| 2.1.2 中值滤波 | 第20-21页 |
| 2.1.3 人脸检测 | 第21-22页 |
| 2.1.4 尺寸归一化 | 第22页 |
| 2.1.5 直方图均衡化 | 第22-23页 |
| 2.2 主要评测用人脸识别数据库 | 第23-25页 |
| 2.2.1 AR人脸数据库 | 第23-24页 |
| 2.2.2 CMU-PIE人脸数据库 | 第24页 |
| 2.2.3 Cohn-Kanade+数据库 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于低秩特征和稀疏表示残差对比的多姿态人脸识别 | 第26-42页 |
| 3.1 引言 | 第26-27页 |
| 3.2 低秩分解和稀疏表示基础理论 | 第27-28页 |
| 3.2.1 低秩分解 | 第27页 |
| 3.2.2 稀疏表示 | 第27-28页 |
| 3.3 多姿态人脸识别算法 | 第28-39页 |
| 3.3.1 对偶低秩分解 | 第29-34页 |
| 3.3.1.1 目标函数设计 | 第30-31页 |
| 3.3.1.2 目标函数求解 | 第31-33页 |
| 3.3.1.3 对偶低秩分解算法 | 第33-34页 |
| 3.3.2 结构化不相关的低秩分解 | 第34-37页 |
| 3.3.2.1 目标函数设计 | 第34-35页 |
| 3.3.2.2 目标函数求解 | 第35-37页 |
| 3.3.2.3 结构化不相关的低秩分解算法 | 第37页 |
| 3.3.3 残差率对比模型 | 第37-39页 |
| 3.4 实验结果与分析 | 第39-41页 |
| 3.4.1 两种姿态混合实验分析 | 第39-40页 |
| 3.4.2 多种姿态混合实验分析 | 第40页 |
| 3.4.3 污染环境下姿态混合实验分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 遮挡表情变化下的联合辅助字典学习与低秩分解人脸识别 | 第42-54页 |
| 4.1 引言 | 第42-43页 |
| 4.2 复杂环境下的人脸识别算法 | 第43-49页 |
| 4.2.1 非凸鲁棒主成分分析法 | 第44页 |
| 4.2.2 子空间学习下的判别信息低秩分解 | 第44-48页 |
| 4.2.2.1 目标函数设计 | 第45页 |
| 4.2.2.2 目标函数求解 | 第45-47页 |
| 4.2.2.3 基于子空间的判别内容分解 | 第47-48页 |
| 4.2.3 基于辅助字典的人脸识别分类 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-53页 |
| 4.3.1 AR数据库中的人脸识别 | 第49-52页 |
| 4.3.2 表情变化下的人脸识别 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-57页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录 | 第63-64页 |
| 详细摘要 | 第64-65页 |