| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 人脸识别技术的研究背景 | 第7-8页 |
| 1.2 课题的研究意义 | 第8-9页 |
| 1.3 人脸识别的研究现状 | 第9-11页 |
| 1.4 本文的主要研究内容和结构安排 | 第11-13页 |
| 2 经典人脸识别算法及数据库 | 第13-24页 |
| 2.1 基于局部特征的人脸识别方法 | 第13-15页 |
| 2.1.1 基于几何特征的识别方法 | 第13-14页 |
| 2.1.2 基于模板匹配的人脸识别方法 | 第14-15页 |
| 2.2 基于全局特征的人脸识别方法 | 第15-18页 |
| 2.2.1 主成分分析法 | 第15-16页 |
| 2.2.2 线性判别分析法 | 第16-17页 |
| 2.2.3 核子空间法 | 第17-18页 |
| 2.3 基于统计知识的人脸识别方法 | 第18页 |
| 2.4 基于低秩矩阵恢复的人脸识别方法 | 第18-22页 |
| 2.4.1 鲁棒主成分分析的研究背景 | 第18-19页 |
| 2.4.2 RPCA理论 | 第19-21页 |
| 2.4.3 RPCA的重构效果 | 第21-22页 |
| 2.5 国内外主要公共人脸图像数据库 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 基于压缩感知理论的人脸识别算法 | 第24-31页 |
| 3.1 压缩感知算法 | 第24-26页 |
| 3.1.1 压缩感知理论 | 第24-25页 |
| 3.1.2 重构效果 | 第25-26页 |
| 3.2 稀疏表示理论 | 第26-28页 |
| 3.3 对稀疏表示理论的改进算法 | 第28-30页 |
| 3.3.1 基于核方法的改进算法 | 第28-29页 |
| 3.3.2 基于分块原则的改进算法 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 融合张量思想和加权Gabor核特征的人脸稀疏识别算法 | 第31-42页 |
| 4.1 预备知识 | 第31-35页 |
| 4.1.1 区域协方差描述子 | 第31-32页 |
| 4.1.2 Gabor特征 | 第32-33页 |
| 4.1.3 Logdet散度 | 第33-34页 |
| 4.1.4 基于加权核Gabor特征的协方差矩阵 | 第34-35页 |
| 4.2 基于加权核Gabor特征的张量稀疏算法 (WGKTSRC) | 第35-36页 |
| 4.3 仿真实验 | 第36-41页 |
| 4.3.1 实验一 | 第37-40页 |
| 4.3.2 实验二 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 总结与展望 | 第42-43页 |
| 5.1 全文总结 | 第42页 |
| 5.2 展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 附录A. 作者在攻读学位期间发表的论文目录 | 第48页 |