| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 人脸识别的研究背景与研究意义 | 第12页 |
| 1.2 人脸识别的发展历程 | 第12-14页 |
| 1.3 人脸识别任务介绍 | 第14-15页 |
| 1.4 常用数据库 | 第15-20页 |
| 1.4.1 ORL数据库 | 第15页 |
| 1.4.2 AR数据库 | 第15-16页 |
| 1.4.3 YaleB数据库 | 第16页 |
| 1.4.4 FERET数据库 | 第16页 |
| 1.4.5 Georgia数据库 | 第16-17页 |
| 1.4.6 LFW数据库 | 第17-18页 |
| 1.4.7 YouTubeFace数据库 | 第18页 |
| 1.4.8 CASIA-WebFace数据库 | 第18-19页 |
| 1.4.9 MNIST数据库 | 第19-20页 |
| 1.5 本论文主要研究内容 | 第20-24页 |
| 第二章 预备知识 | 第24-42页 |
| 2.1 小波变换 | 第24-29页 |
| 2.1.1 小波变换的发展 | 第24-25页 |
| 2.1.2 多分辨率展开 | 第25-27页 |
| 2.1.3 用于图像处理的小波变换类型 | 第27-28页 |
| 2.1.4 小波变换的应用 | 第28-29页 |
| 2.2 Gabor小波变换 | 第29-31页 |
| 2.3 局部二值模式 | 第31-32页 |
| 2.3.1 经典的局部二值模式 | 第31-32页 |
| 2.3.2 等价局部二值模式 | 第32页 |
| 2.4 卷积神经网络 | 第32-42页 |
| 2.4.1 基本框架与组件 | 第34-38页 |
| 2.4.2 典型模型展示 | 第38-42页 |
| 第三章 基于非一致分块的人脸识别方法 | 第42-58页 |
| 3.1 引言 | 第42-44页 |
| 3.2 基础知识回顾 | 第44-45页 |
| 3.2.1 分块策略的一般形式 | 第44页 |
| 3.2.2 二维离散小波变换(2D-DWT) | 第44-45页 |
| 3.2.3 积分投影 | 第45页 |
| 3.3 研究动机 | 第45-46页 |
| 3.4 NUPDWT方法介绍 | 第46-50页 |
| 3.4.1 分块策略与块特征提取 | 第46-49页 |
| 3.4.2 分类 | 第49-50页 |
| 3.5 NUPDWT算法流程 | 第50页 |
| 3.6 数值实验 | 第50-56页 |
| 3.6.1 参数设置 | 第50-52页 |
| 3.6.2 遮挡条件下的识别实验 | 第52-53页 |
| 3.6.3 微弱姿态和光照变化情况下的识别实验 | 第53-54页 |
| 3.6.4 非理想数据库上的识别实验 | 第54-55页 |
| 3.6.5 实验分析 | 第55-56页 |
| 3.7 小结 | 第56-58页 |
| 第四章 基于自适应分块的人脸识别方法 | 第58-70页 |
| 4.1 引言 | 第58-59页 |
| 4.2 基础知识回顾 | 第59-60页 |
| 4.2.1 前向后向贪婪算法 | 第59-60页 |
| 4.2.2 基于稀疏表示的分类方法 | 第60页 |
| 4.3 基于自适应分块的人脸识别方法 | 第60-65页 |
| 4.3.1 边缘检测 | 第60-61页 |
| 4.3.2 分块策略 | 第61-62页 |
| 4.3.3 特征提取 | 第62-64页 |
| 4.3.4 分类 | 第64-65页 |
| 4.4 SAPFR方法流程 | 第65页 |
| 4.5 数值实验 | 第65-68页 |
| 4.5.1 参数设置 | 第66-67页 |
| 4.5.2 在Georgia人脸数据库的实验 | 第67页 |
| 4.5.3 在LFW人脸数据库的实验 | 第67-68页 |
| 4.6 小结 | 第68-70页 |
| 第五章 基于LBP思想与Gabor小波变换的新型人脸描述算子 | 第70-86页 |
| 5.1 引言 | 第70-71页 |
| 5.2 基础知识回顾 | 第71-73页 |
| 5.2.1 Gabor小波变换 | 第71-72页 |
| 5.2.2 LBP | 第72-73页 |
| 5.3 GLLBP特征与对应方法介绍 | 第73-78页 |
| 5.3.1 GLLBP特征基本定义 | 第73-75页 |
| 5.3.2 GLLBP特征分析 | 第75页 |
| 5.3.3 分块和统计策略 | 第75-76页 |
| 5.3.4 GLLBP特征的扩展形式 | 第76-78页 |
| 5.3.5 算法设计 | 第78页 |
| 5.4 数值实验 | 第78-84页 |
| 5.4.1 四个常用数据库上的对比实验 | 第79-82页 |
| 5.4.2 特征的鲁棒性测试 | 第82-84页 |
| 5.4.3 其它实验与分析 | 第84页 |
| 5.5 小结 | 第84-86页 |
| 第六章 基于融合单元的CNN模型 | 第86-100页 |
| 6.1 引言 | 第86-87页 |
| 6.2 基础知识回顾 | 第87-90页 |
| 6.2.1 深度残差网络(ResNet) | 第87-88页 |
| 6.2.2 LeNet- | 第88-89页 |
| 6.2.3 图像融合 | 第89-90页 |
| 6.3 三种融合单元与对应的模型框架 | 第90-93页 |
| 6.3.1 非线性竞争单元 | 第90-92页 |
| 6.3.2 多层特征融合单元和多层决策融合单元 | 第92-93页 |
| 6.4 数值实验 | 第93-99页 |
| 6.4.1 数据库 | 第93-94页 |
| 6.4.2 人脸图像预处理 | 第94页 |
| 6.4.3 基于NCU的模型的对比实验 | 第94-98页 |
| 6.4.4 基于MFFU和MDFU的模型的对比实验 | 第98-99页 |
| 6.5 小结 | 第99-100页 |
| 总结与展望 | 第100-104页 |
| 参考文献 | 第104-116页 |
| 发表论文和参加科研情况说明 | 第116-118页 |
| 致谢 | 第118-120页 |