| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 人脸识别的研究背景及意义 | 第8-9页 |
| 1.2 人脸识别技术的研究概况 | 第9-10页 |
| 1.3 人脸识别方法概述及存在问题 | 第10-15页 |
| 1.3.1 人脸识别系统 | 第10-11页 |
| 1.3.2 主要人脸特征提取方法概述 | 第11-12页 |
| 1.3.3 主要人脸分类方法概述 | 第12-13页 |
| 1.3.4 人脸识别存在的问题 | 第13-15页 |
| 1.3.5 人脸识别主要的性能评测指标 | 第15页 |
| 1.4 本文主要研究内容及章节安排 | 第15-17页 |
| 第二章 基本理论概述 | 第17-34页 |
| 2.1 人脸图像的稀疏表达 | 第17-23页 |
| 2.1.1 人脸图像的稀疏变换 | 第17-19页 |
| 2.1.2 稀疏变换的字典训练算法 | 第19-20页 |
| 2.1.3 稀疏分解算法 | 第20-23页 |
| 2.2 经典的LDA特征提取算法 | 第23-26页 |
| 2.3 基于RBF神经网络和SVM的分类算法 | 第26-33页 |
| 2.3.1 RBF网络的基本原理及模型 | 第26-29页 |
| 2.3.2 SVM网络的基本原理及模型 | 第29-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于稀疏表达和神经网络的人脸识别算法 | 第34-42页 |
| 3.1 基于稀疏表达和LDA算法的人脸特征提取算法 | 第35-37页 |
| 3.2 基于稀疏表达和改进的LDA的人脸特征提取算法 | 第37-39页 |
| 3.3 基于优化的RBF神经网络和SVM网络的人脸分类方法 | 第39-41页 |
| 3.3.1 基于优化的RBF神经网络人脸分类算法 | 第39-40页 |
| 3.3.2 基于优化的SVM网络的人脸分类算法 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 实验结果分析 | 第42-51页 |
| 4.1 人脸库简介 | 第42-44页 |
| 4.1.1 通用人脸库简介 | 第42-43页 |
| 4.1.2 维吾尔人脸库简介 | 第43-44页 |
| 4.2 仿真实验结果分析与总结 | 第44-50页 |
| 4.2.1 KSVD算法性能研究 | 第45-46页 |
| 4.2.2 迭代次数与识别率的关系 | 第46-47页 |
| 4.2.3 基于ORL和Yale的算法对比 | 第47-48页 |
| 4.2.4 鲁棒性和泛化能力的研究 | 第48-49页 |
| 4.2.5 基于维吾尔人脸库的算法对比 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
