| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 本文的主要研究内容 | 第15页 |
| 1.4 常用的人脸数据 | 第15-18页 |
| 1.4.1 ORL人脸库 | 第15-16页 |
| 1.4.2 Extended Yale B人脸库 | 第16页 |
| 1.4.3 FERET人脸库 | 第16-17页 |
| 1.4.4 Libor人脸库 | 第17页 |
| 1.4.5 CMU-PIE人脸库 | 第17-18页 |
| 1.5 本文研究思路及组织结构 | 第18-19页 |
| 第二章 人脸识别的经典算法 | 第19-41页 |
| 2.1 特征提取 | 第19-29页 |
| 2.1.1 局部二元模式特征 | 第19-20页 |
| 2.1.2 方向梯度直方图特征 | 第20-21页 |
| 2.1.3 Haar-like特征 | 第21-22页 |
| 2.1.4 主成分析法 | 第22-25页 |
| 2.1.5 二维主成分析法 | 第25页 |
| 2.1.6 双二维主成分析法 | 第25-26页 |
| 2.1.7 线性判别分析法 | 第26-29页 |
| 2.1.7.1 线性判别分析法的原理与推导 | 第26-29页 |
| 2.1.7.2 线性判别分析法的优缺点 | 第29页 |
| 2.2 虚拟脸构造法 | 第29-32页 |
| 2.2.1 基于半人脸翻转的对称脸构造法 | 第30-31页 |
| 2.2.2 基于人脸框架的近似对称脸构造法 | 第31页 |
| 2.2.3 镜像脸构造法 | 第31-32页 |
| 2.2.4 基于邻近样本的虚拟脸构造法 | 第32页 |
| 2.3 稀疏表示理论 | 第32-38页 |
| 2.3.1 稀疏表示算法 | 第32-33页 |
| 2.3.2 协同表示算法 | 第33-34页 |
| 2.3.3 二步稀疏表示法算法 | 第34-35页 |
| 2.3.4 线性回归分类算法 | 第35-36页 |
| 2.3.5 逆稀疏表示法 | 第36页 |
| 2.3.6 最近邻分类算法 | 第36-37页 |
| 2.3.7 k-最近邻分类算法 | 第37页 |
| 2.3.8 改进的最近邻分类算法 | 第37-38页 |
| 2.3.9 由粗到精的k-最近邻分类算法 | 第38页 |
| 2.4 本章小结 | 第38-41页 |
| 第三章 基于人脸对称框架的虚拟脸构造法 | 第41-53页 |
| 3.1 基于镜像原理的对称虚拟脸构造法 | 第41-42页 |
| 3.2 基于迭代的虚拟脸构造法 | 第42-43页 |
| 3.3 基于最小表示距离的虚拟脸构造法 | 第43-45页 |
| 3.4 三种虚拟脸构造法的对比 | 第45-48页 |
| 3.4.1 Extended Yale B人脸库下的对比结果 | 第45-46页 |
| 3.4.2 CMU-PIE人脸库下的对比结果 | 第46-48页 |
| 3.5 三种虚拟脸样本的表达能力 | 第48-50页 |
| 3.5.1 ORL人脸库下的对比结果 | 第48-49页 |
| 3.5.2 FERET人脸库下的对比结果 | 第49-50页 |
| 3.6 本章小结 | 第50-53页 |
| 第四章 基于稀疏表示与分数层融合理论的人脸识别 | 第53-63页 |
| 4.1 三种组稀疏表示分类算法 | 第53-59页 |
| 4.1.1 基于内积、外积和重构样本误差的组稀疏表示算法 | 第53-55页 |
| 4.1.2 三种组稀疏表示算法的合理性分析 | 第55-56页 |
| 4.1.3 三种改进的组稀疏表示分类算法的比较 | 第56-58页 |
| 4.1.4 同时采用两种范数约束的优势 | 第58-59页 |
| 4.2 两种分数层融合算法 | 第59-61页 |
| 4.2.1 适应性权值算法 | 第60页 |
| 4.2.2 基于抛物线的权值融合算法 | 第60-61页 |
| 4.3 本章小结 | 第61-63页 |
| 第五章 实验结果与分析 | 第63-71页 |
| 5.1 ORL人脸库 | 第63-64页 |
| 5.2 FERET人脸库 | 第64-65页 |
| 5.3 Libor94人脸库 | 第65-66页 |
| 5.4 CMU-PIE人脸库 | 第66-67页 |
| 5.5 Extended Yale B人脸库 | 第67-68页 |
| 5.6 分析与讨论 | 第68-69页 |
| 5.7 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 研究成果总结 | 第71-72页 |
| 6.2 未来工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间的科研成果 | 第79页 |