摘要 | 第1-4页 |
Abstract | 第4-8页 |
第一章 绪论 | 第8-14页 |
·研究的背景及意义 | 第8-9页 |
·人脸识别研究可促进多门相关学科的发展 | 第8-9页 |
·人脸识别技术作为一种生物特征识别技术有着广阔的潜在市场前景 | 第9页 |
·相关研究的现状 | 第9-10页 |
·人脸识别系统的主要研究内容 | 第10-12页 |
·本文的主要研究内容 | 第12-14页 |
·本文的主要工作 | 第12页 |
·本文的内容安排 | 第12-14页 |
第二章 低秩近似方法综述 | 第14-30页 |
·奇异值分解 | 第14-17页 |
·奇异值分解定理及其性质 | 第14-16页 |
·奇异值分解定理在应用于人脸识别时的优缺点分析 | 第16-17页 |
·主成分分析(PCA) | 第17-19页 |
·K-L 变换 | 第17-18页 |
·PCA 方法 | 第18-19页 |
·LDA 算法 | 第19-21页 |
·LDA 算法的原理 | 第19-20页 |
·LDA 算法的优缺点分析 | 第20-21页 |
·2DPCA 算法 | 第21-23页 |
·2DPCA 算法概述 | 第21-22页 |
·2DPCA 算法的优缺点分析 | 第22-23页 |
·GLRAM 算法 | 第23-28页 |
·GLRAM 算法概述 | 第23-26页 |
·子空间维数的选择问题 | 第26-27页 |
·子空间问题的实验分析 | 第27-28页 |
·本章小结 | 第28-30页 |
第三章 NGLRAM 算法 | 第30-38页 |
·NGLRAM 算法概述 | 第30-31页 |
·算法的复杂度分析和对数据的压缩率 | 第31-32页 |
·实验结果及分析 | 第32-36页 |
·图像的重建误差和识别率比较 | 第32-34页 |
·训练时间和检测时间比较 | 第34-36页 |
·本章小结 | 第36-38页 |
第四章 GLRAM 和 SLPP 相结合的人脸识别方法 | 第38-46页 |
·LPP 算法 | 第38-40页 |
·LPP 算法概述 | 第38-39页 |
·LPP 算法优缺点分析 | 第39-40页 |
·SLPP 算法 | 第40页 |
·GLRAM 和 SLPP 相结合的人脸方法 | 第40-41页 |
·实验结果及分析 | 第41-43页 |
·GLRAM、PCA+SLPP 和 GLRAM+SLPP 方法的识别率比较 | 第41-42页 |
·GLRAM+SLPP 方法和其他相关方法的识别率比较 | 第42-43页 |
·本章总结 | 第43-46页 |
第五章 总结与展望 | 第46-48页 |
·总结 | 第46页 |
·展望 | 第46-48页 |
致谢 | 第48-50页 |
参考文献 | 第50-56页 |
硕士在读期间研究成果 | 第56-57页 |