| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 人脸识别技术研究现状 | 第10-12页 |
| 1.3 非负矩阵分解方法研究现状 | 第12页 |
| 1.4 本文研究内容 | 第12-13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第2章 相关研究综述 | 第15-23页 |
| 2.1 现有的人脸识别技术 | 第15-19页 |
| 2.1.1 基于几何特征的人脸识别方法 | 第15-16页 |
| 2.1.2 基于模板匹配的人脸识别方法 | 第16页 |
| 2.1.3 基于隐马尔可夫模型的人脸识别方法 | 第16-17页 |
| 2.1.4 基于弹性图匹配的人脸识别方法 | 第17页 |
| 2.1.5 基于统计特征的人脸识别方法 | 第17-19页 |
| 2.1.6 小结 | 第19页 |
| 2.2 稀疏图像的影响 | 第19-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 基于ENMF的稀疏人脸图像识别系统设计 | 第23-27页 |
| 3.1 基于ENMF的稀疏人脸图像识别系统的设计 | 第23-25页 |
| 3.1.1 基于PCA的人脸特征建模模块 | 第23页 |
| 3.1.2 基于ENMF的稀疏图像增强模块 | 第23-25页 |
| 3.1.3 基于PCA的人脸识别模块 | 第25页 |
| 3.2 基于ENMF的稀疏人脸图像识别系统工作流程 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第4章 基于ENMF的稀疏图像增强方法 | 第27-32页 |
| 4.1 非负矩阵分解 | 第27-29页 |
| 4.2 增强的非负矩阵分解方法 | 第29-30页 |
| 4.3 目标公式求解 | 第30页 |
| 4.4 本章小结 | 第30-32页 |
| 第5章 基于PCA的人脸识别技术研究 | 第32-40页 |
| 5.1 主成分分析基础理论 | 第32-36页 |
| 5.1.1 K-L变换 | 第32-33页 |
| 5.1.2 奇异值分解 | 第33-36页 |
| 5.2 PCA方法在人脸识别技术中的应用 | 第36-39页 |
| 5.2.1 构造特征脸空间 | 第36页 |
| 5.2.2 利用训练集中的人脸图像提取特征 | 第36-37页 |
| 5.2.3 基于特征脸进行人脸识别 | 第37-38页 |
| 5.2.4 基于PCA的人脸识别工作过程 | 第38-39页 |
| 5.3 本章小结 | 第39-40页 |
| 第6章 实验设计与结果分析 | 第40-50页 |
| 6.1 实验目标 | 第40页 |
| 6.2 实验数据集 | 第40-41页 |
| 6.3 评测指标与实验设计 | 第41-42页 |
| 6.3.1 评测指标 | 第41-42页 |
| 6.3.2 实验设计 | 第42页 |
| 6.4 实验准备工作 | 第42-43页 |
| 6.5 实验结果分析 | 第43-47页 |
| 6.5.1 稀疏的人脸图像恢复实验 | 第44-45页 |
| 6.5.2 稀疏的人脸图像识别实验 | 第45-47页 |
| 6.6 本章小结 | 第47-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |