| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 人脸识别技术研究现状 | 第11-12页 |
| 1.2.2 基于深度学习的人脸识别技术研究现状 | 第12-14页 |
| 1.2.3 数据降维算法研究现状 | 第14-15页 |
| 1.3 人脸识别技术流程 | 第15-16页 |
| 1.4 人脸识别技术的应用领域 | 第16-17页 |
| 1.5 本文研究内容及章节安排 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 2 人脸特征提取与数据降维算法 | 第19-37页 |
| 2.1 图像特征概述 | 第19页 |
| 2.2 基于多尺度分析的人脸特征提取方法 | 第19-27页 |
| 2.2.1 概述 | 第19页 |
| 2.2.2 二维离散小波变换 | 第19-21页 |
| 2.2.3 二维Gabor小波变换 | 第21-22页 |
| 2.2.4 曲波变换 | 第22-26页 |
| 2.2.5 曲波变换在图像处理上的优势 | 第26-27页 |
| 2.3 数据降维算法 | 第27-36页 |
| 2.3.1 维度灾难问题 | 第27页 |
| 2.3.2 主成分分析 | 第27-30页 |
| 2.3.3 线性判别分析 | 第30-33页 |
| 2.3.4 非负矩阵分解 | 第33页 |
| 2.3.5 局部线性嵌入 | 第33-35页 |
| 2.3.6 局部线性投影 | 第35页 |
| 2.3.7 等距离映射 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 3 模型评价与图像预处理 | 第37-43页 |
| 3.1 模型评价 | 第37-39页 |
| 3.1.1 实验环境 | 第37页 |
| 3.1.2 人脸数据库 | 第37-38页 |
| 3.1.3 算法评价指标 | 第38-39页 |
| 3.2 图像预处理 | 第39-42页 |
| 3.2.1 图像灰度化 | 第39页 |
| 3.2.2 直方图均衡化 | 第39-41页 |
| 3.2.3 噪声处理 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 4 深层稀疏自编码器的人脸识别降维算法 | 第43-53页 |
| 4.1 多层前馈网络 | 第43-46页 |
| 4.1.1 感知机单元 | 第43-44页 |
| 4.1.2 反向传播算法 | 第44-46页 |
| 4.2 深层稀疏自编码器模型 | 第46-50页 |
| 4.2.1 稀疏自编码器 | 第46-49页 |
| 4.2.2 深层稀疏自编码器 | 第49-50页 |
| 4.3 实验结果与分析 | 第50-52页 |
| 4.3.1 参数设置 | 第50页 |
| 4.3.2 结果对比与分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 基于曲波脸和深层稀疏自编码器的人脸识别降维算法 | 第53-59页 |
| 5.1 曲波脸算法 | 第53-56页 |
| 5.1.1 曲波脸概述 | 第53页 |
| 5.1.2 实验结果分析 | 第53-56页 |
| 5.2 算法优化 | 第56-57页 |
| 5.2.1 特征融合概述 | 第56-57页 |
| 5.2.2 实验结果分析 | 第57页 |
| 5.3 不同算法对比 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |