| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 人脸识别的研究背景与意义 | 第9-10页 |
| 1.2 人脸识别的研究内容与难点 | 第10-12页 |
| 1.2.1 人脸识别的研究内容 | 第10-11页 |
| 1.2.2 人脸识别的研究难点 | 第11-12页 |
| 1.3 人脸遮挡问题的研究现状 | 第12-14页 |
| 1.4 本文主要工作及章节安排 | 第14-16页 |
| 1.4.1 论文主要工作 | 第14页 |
| 1.4.2 论文章节 | 第14-16页 |
| 第2章 基础算法的介绍与分析 | 第16-21页 |
| 2.1 经典特征提取算法 | 第16-19页 |
| 2.1.1 主成分分析法 | 第16-17页 |
| 2.1.2 线性判别分析法 | 第17-18页 |
| 2.1.3 基于HOG特征法 | 第18-19页 |
| 2.2 线性回归分类法 | 第19页 |
| 2.3 稀疏表达分类法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于人脸特征的图像分类 | 第21-35页 |
| 3.1 主成分特征分析法 | 第21-24页 |
| 3.1.1 PCA流程 | 第21页 |
| 3.1.2 特征向量表征能力 | 第21-23页 |
| 3.1.3 特征向量选择对人脸识别的影响 | 第23-24页 |
| 3.2 奇异值分解 | 第24-28页 |
| 3.2.1 SVD提取图像有效成分 | 第24-25页 |
| 3.2.2 基于最大熵的有效奇异值选取 | 第25-27页 |
| 3.2.3 SVD人脸识别 | 第27-28页 |
| 3.3 二维Gabor特征法 | 第28-34页 |
| 3.3.1 二维Gabor滤波器 | 第28-29页 |
| 3.3.2 相似度匹配实验 | 第29-30页 |
| 3.3.3 人脸局部特征实验 | 第30-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于Gabor变换的稀疏表示的人脸识别算法 | 第35-45页 |
| 4.1 稀疏表示法 | 第35-37页 |
| 4.1.1 小波变换 | 第35-36页 |
| 4.1.2 基于DWT的稀疏表示 | 第36-37页 |
| 4.2 基于Gabor变换的稀疏表示的人脸识别算法 | 第37-40页 |
| 4.3 实验分析 | 第40-44页 |
| 4.3.1 实验参数的设置和数据库选择 | 第40页 |
| 4.3.2 实验数据库的选择 | 第40-41页 |
| 4.3.3 人脸库的样本分析实验 | 第41-43页 |
| 4.3.4 真实人脸的遮挡实验 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于PCA和HOG分块的人脸识别算法 | 第45-55页 |
| 5.1 基于双属性模型的PCA算法 | 第45-46页 |
| 5.1.1 全局特征向量提取 | 第45页 |
| 5.1.2 误差特征向量提取 | 第45-46页 |
| 5.1.3 双属性融合模型 | 第46页 |
| 5.2 基于HOG的局部特征向量提取 | 第46-48页 |
| 5.3 分类器的设计 | 第48-50页 |
| 5.4 实验分析 | 第50-54页 |
| 5.4.1 算法性能分析实验 | 第50-51页 |
| 5.4.2 人脸图像的随机遮挡实验 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 总结和展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |