基于稀疏表示的鲁棒性人脸识别研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 概论 | 第9-16页 |
| 1.1 课题研究的背景与意义 | 第9-10页 |
| 1.2 人脸识别的研究概况 | 第10-12页 |
| 1.3 人脸辨别技术的研究难点 | 第12-13页 |
| 1.4 人脸识别系统的基本组成 | 第13-14页 |
| 1.5 本文的主要研究内容与结构框架 | 第14-16页 |
| 1.5.1 本文的研究内容 | 第14页 |
| 1.5.2 本文的结构框架 | 第14-16页 |
| 第2章 人脸识别研究的现行方法 | 第16-22页 |
| 2.1 基于几何特征的识别方法 | 第16-17页 |
| 2.2 基于机器学习的识别方法 | 第17-18页 |
| 2.3 基于局部特征的识别方法 | 第18-19页 |
| 2.4 基于表象的人脸识别 | 第19-20页 |
| 2.5 基于压缩感知的稀疏表示算法 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 基于稀疏算法的人脸识别 | 第22-31页 |
| 3.1 基本思想概述 | 第22-24页 |
| 3.1.1 压缩感知理论 | 第22页 |
| 3.1.2 稀疏表示原理 | 第22-24页 |
| 3.2 稀疏表示方法的求解 | 第24-26页 |
| 3.3 基于稀疏算法的分类策略 | 第26-27页 |
| 3.4 结合特征提取方法 | 第27-29页 |
| 3.4.1 下采样法 | 第27页 |
| 3.4.2 随机脸 | 第27-28页 |
| 3.4.3 特征脸法 | 第28-29页 |
| 3.5 实验仿真结果 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 基于彩色局部二值模式的特征提取方法 | 第31-45页 |
| 4.1 LBP算法描述 | 第31-32页 |
| 4.2 彩色图像的LBP算子提取 | 第32-37页 |
| 4.2.1 彩色信息在图像处理中的应用 | 第32-33页 |
| 4.2.2 局部彩色范数二值模式的提取 | 第33-35页 |
| 4.2.3 局部彩色角度模式的提取 | 第35-37页 |
| 4.3 基于改进特征区域的LCVBP方法 | 第37-40页 |
| 4.3.1 提出的原因 | 第37页 |
| 4.3.2 特征区域的自动提取 | 第37-40页 |
| 4.4 实验仿真结果 | 第40-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 改进稀疏表示算法的人脸识别 | 第45-53页 |
| 5.1 测试图像的真伪辨别 | 第45-47页 |
| 5.2 对于字典集的改进 | 第47-48页 |
| 5.3 对有遮挡情况的鲁棒性 | 第48-49页 |
| 5.4 实验仿真与结果 | 第49-52页 |
| 5.5 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 总结 | 第53页 |
| 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
