| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 变光照人脸识别研究现状 | 第13-14页 |
| 1.2.2 变姿态人脸识别研究现状 | 第14-16页 |
| 1.2.3 变光照和变姿态人脸识别研究现状 | 第16-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的结构安排 | 第18-20页 |
| 第二章 基于AWULBP_MHOG和WSRC的人脸识别 | 第20-42页 |
| 2.1 光照预处理 | 第20-21页 |
| 2.2 特征提取 | 第21-25页 |
| 2.2.1 图像分块 | 第21-22页 |
| 2.2.2 等价模式的LBP (ULBP) | 第22-23页 |
| 2.2.3 多尺度HOG特征(MHOG) | 第23页 |
| 2.2.4 自适应加权 | 第23-24页 |
| 2.2.5 自适应加权的ULBP_MHOG特征(AWULBP_MHOG) | 第24-25页 |
| 2.3 加权稀疏表示分类(WSRC) | 第25-27页 |
| 2.4 实验结果及分析 | 第27-40页 |
| 2.4.1 在ORL人脸库上的实验 | 第27-29页 |
| 2.4.2 在Yale人脸库上的实验 | 第29-33页 |
| 2.4.3 在Yale B人脸库上的实验 | 第33-35页 |
| 2.4.4 在Extended Yale B人脸库上的实验 | 第35-37页 |
| 2.4.5 在CMU-PIE人脸库上的实验 | 第37-40页 |
| 2.5 本章小结 | 第40-42页 |
| 第三章 基于AMVP和WSRC的人脸识别 | 第42-54页 |
| 3.1 改进的特征提取 | 第42-46页 |
| 3.1.1 VGGNet模型 | 第42-43页 |
| 3.1.2 PCA降维 | 第43-45页 |
| 3.1.3 AWULBP_MHOG_VGG_PCA特征(AMVP) | 第45-46页 |
| 3.2 实验结果及分析 | 第46-52页 |
| 3.2.1 在ORL人脸库上的实验 | 第46-47页 |
| 3.2.2 在Yale人脸库上的实验 | 第47-48页 |
| 3.2.3 在Yale B人脸库上的实验 | 第48-50页 |
| 3.2.4 在CMU-PIE人脸库上的实验 | 第50-52页 |
| 3.3 本章小结 | 第52-54页 |
| 第四章 基于扩展邻域搜索和随机取块的WSR正面人脸合成 | 第54-68页 |
| 4.1 相关工作 | 第54-57页 |
| 4.1.1 因子分析模型 | 第54-56页 |
| 4.1.2 局部线性回归(LLR)模型 | 第56-57页 |
| 4.2 改进的正面人脸合成方法 | 第57-59页 |
| 4.3 实验结果及分析 | 第59-66页 |
| 4.3.1 图像质量评价指标 | 第60-61页 |
| 4.3.2 实验参数选取 | 第61-63页 |
| 4.3.3 定性和定量分析 | 第63-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-72页 |
| 5.1 本文工作总结 | 第68-69页 |
| 5.2 工作展望 | 第69-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间发表的学术论文 | 第80-81页 |
| 附件 | 第81页 |
