| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 1 绪论 | 第14-17页 |
| 1.1 人脸识别 | 第14页 |
| 1.2 人脸识别研究的意义 | 第14-15页 |
| 1.3 人脸识别研究现状 | 第15-16页 |
| 1.4 本文主要工作及组织结构 | 第16-17页 |
| 2 稀疏表示分类器和低秩矩阵恢复 | 第17-19页 |
| 2.1 稀疏表示分类器 | 第17页 |
| 2.2 低秩矩阵恢复 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 基于字典分解和稀疏表示的鲁棒人脸识别算法研究 | 第19-35页 |
| 3.1 引言 | 第19页 |
| 3.2 预备知识 | 第19-20页 |
| 3.2.1 软阈值算子 | 第19-20页 |
| 3.2.2 奇异值收缩算子 | 第20页 |
| 3.3 字典分解 | 第20-24页 |
| 3.3.1 字典分解的模型 | 第20-21页 |
| 3.3.2 字典分解模型的求解算法 | 第21-24页 |
| 3.4 映射矩阵的学习及测试图像的校正 | 第24-25页 |
| 3.5 本章算法 | 第25-26页 |
| 3.6 实验结果与分析 | 第26-32页 |
| 3.6.1 无污染的人脸识别实验 | 第26-30页 |
| 3.6.2 有污染的人脸识别实验 | 第30-32页 |
| 3.7 本章小结 | 第32-35页 |
| 4 基于具判别力低秩矩阵恢复和自适应稀疏表示的鲁棒人脸识别算法研究 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 具判别力低秩矩阵恢复 | 第35-37页 |
| 4.2.1 具判别力低秩矩阵恢复的模型 | 第35-36页 |
| 4.2.2 判别力低秩矩阵恢复模型的求解 | 第36-37页 |
| 4.3 映射矩阵的学习以及测试图像的校正 | 第37-38页 |
| 4.4 自适应稀疏表示分类器 | 第38-41页 |
| 4.5 实验结果与分析 | 第41-46页 |
| 4.5.1 无污染的人脸识别实验 | 第41-44页 |
| 4.5.2 有污染的人脸识别实验 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 5 结论与展望 | 第47-49页 |
| 5.1 研究总结 | 第47页 |
| 5.2 进一步需要开展的工作 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 作者简历 | 第54页 |