基于环形对称Gabor变换和稀疏表示的人脸识别算法研究
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 缩略语 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 人脸识别的研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15页 |
| 1.3 人脸识别系统与常用人脸库 | 第15-18页 |
| 1.3.1 人脸识别系统简介 | 第15-17页 |
| 1.3.2 经典人脸数据库 | 第17-18页 |
| 1.4 本文内容安排与创新点 | 第18-20页 |
| 第二章 特征提取的主要方法 | 第20-36页 |
| 2.1 基于PCA的人脸识别方法 | 第20-24页 |
| 2.1.1 K-L变换 | 第20-22页 |
| 2.1.2 PCA人脸识别算法流程 | 第22-24页 |
| 2.2 二维主成分分析法 | 第24-25页 |
| 2.2.1 2DPCA原理 | 第24-25页 |
| 2.2.2 2DPCA算法流程 | 第25页 |
| 2.3 线性判别分析法 | 第25-28页 |
| 2.3.1 LDA的原理 | 第26-27页 |
| 2.3.2 Fisherface算法流程 | 第27-28页 |
| 2.4 环形对称Gabor变换 | 第28-36页 |
| 2.4.1 Gabor变换及其特性 | 第28-31页 |
| 2.4.2 环形对称Gabor变换的定义 | 第31-33页 |
| 2.4.3 环形对称Gabor变换提取的人脸特征 | 第33-34页 |
| 2.4.4 环形对称Gabor变换的特性 | 第34-36页 |
| 第三章 稀疏表示的基本理论 | 第36-41页 |
| 3.1 压缩感知理论 | 第36-37页 |
| 3.2 稀疏表示理论 | 第37-41页 |
| 3.2.1 稀疏表达分类器 | 第38-39页 |
| 3.2.2 基于SRC的人脸识别算法流程 | 第39-41页 |
| 第四章 基于CSGT和SRC的人脸识别算法 | 第41-52页 |
| 4.1 基于CSGT的多尺度融合方案 | 第41-44页 |
| 4.2 K近邻分类器 | 第44-45页 |
| 4.2.1 最近邻分类器简介 | 第44-45页 |
| 4.2.2 K-近邻分类器简介 | 第45页 |
| 4.3 基于CSGT和SRC的算法流程 | 第45-48页 |
| 4.4 实验结果及分析 | 第48-52页 |
| 4.4.1 AR人脸库上的实验及结果 | 第48-49页 |
| 4.4.2 Yale B人脸库上的实验及结果 | 第49-52页 |
| 第五章 基于CSGT和协同稀疏表示的人脸识别 | 第52-68页 |
| 5.1 概述 | 第52页 |
| 5.2 基于协同表示的分类算法 | 第52-57页 |
| 5.2.1 稀疏表示的作用 | 第52-54页 |
| 5.2.2 协同表示的重要性 | 第54-56页 |
| 5.2.3 基于协同表示的分类算法 | 第56-57页 |
| 5.3 基于CSGT和CRC的算法流程 | 第57-59页 |
| 5.4 实验结果和分析 | 第59-63页 |
| 5.4.1 AR人脸库上的实验及结果 | 第59-60页 |
| 5.4.2 FERET人脸库上的实验及结果 | 第60-62页 |
| 5.4.3 CSGT和GT分别与CRC结合的比较 | 第62-63页 |
| 5.5 基于CSGT和KNN的协同稀疏表示的算法 | 第63-66页 |
| 5.6 本文中提出算法总结 | 第66-68页 |
| 第六章 总结与展望 | 第68-71页 |
| 6.1 本文总结 | 第68-69页 |
| 6.2 对未来工作展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士期间发表的论文 | 第76-77页 |
| 学位论文评阅及答辩情况表 | 第77页 |
