基于稀疏表示的图像去噪和人脸识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景介绍 | 第14页 |
| 1.2 研究现状及发展趋势 | 第14-16页 |
| 1.3 本文工作 | 第16-17页 |
| 1.4 章节安排 | 第17-20页 |
| 第二章 图像稀疏表示相关理论及应用 | 第20-34页 |
| 2.1 稀疏表示模型 | 第20-21页 |
| 2.2 稀疏表示字典的构建 | 第21-25页 |
| 2.2.1 分析字典 | 第22-23页 |
| 2.2.2 学习字典 | 第23-25页 |
| 2.3 稀疏表示分类方法 | 第25-31页 |
| 2.3.1 稀疏表示基础 | 第25-29页 |
| 2.3.2 稀疏表示人脸识别 | 第29-31页 |
| 2.4 本章小结 | 第31-34页 |
| 第三章 改进的非局部中心化稀疏表示图像去噪方法 | 第34-44页 |
| 3.1 常规图像修复模型 | 第34页 |
| 3.2 非局部中心化稀疏表示 | 第34-37页 |
| 3.2.1 稀疏编码噪声 | 第35-36页 |
| 3.2.2 改进的非局部中心化GNCSR模型 | 第36页 |
| 3.2.3 未知稀疏编码的非局部估计 | 第36-37页 |
| 3.3 GNCSR算法 | 第37-38页 |
| 3.4 实验 | 第38-43页 |
| 3.4.1 改变字典构造方法 | 第38-40页 |
| 3.4.2 GNCSR在图像去噪方面的效果 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于迹范数稀疏表示的人脸识别方法 | 第44-56页 |
| 4.1 引言 | 第44-45页 |
| 4.2 基于稀疏表示分类的SRC方法 | 第45-46页 |
| 4.3 迹范数稀疏表示人脸识别TSRC模型 | 第46-49页 |
| 4.3.1 迹范数正规项的极值分析 | 第46-47页 |
| 4.3.2 模型的目标函数 | 第47-48页 |
| 4.3.3 范数最小化问题和TSRC算法 | 第48-49页 |
| 4.4 实验 | 第49-54页 |
| 4.4.1 在Yale人脸库上实验的研究 | 第50-51页 |
| 4.4.2 在AR人脸库上实验的研究 | 第51-52页 |
| 4.4.3 在ORL人脸库上实验的研究 | 第52-53页 |
| 4.4.4 总结 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 总结和展望 | 第56-58页 |
| 5.1 论文总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64-65页 |
