| 符号说明 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 概述 | 第13-21页 |
| 1.1 人脸识别研究背景和意义 | 第13-14页 |
| 1.2 人脸识别研究状况 | 第14-18页 |
| 1.2.1 人脸识别的发展历程 | 第14-17页 |
| 1.2.2 人脸识别技术难点分析 | 第17-18页 |
| 1.3 人脸识别常用数据库 | 第18-19页 |
| 1.4 本文研究内容及章节安排 | 第19-21页 |
| 1.4.1 主要研究内容 | 第19-20页 |
| 1.4.2 本文章节安排 | 第20-21页 |
| 第2章 特征提取和分类算法 | 第21-32页 |
| 2.1 人脸识别中的特征提取方法 | 第22-27页 |
| 2.1.1 主成分分析（PCA）算法 | 第22-25页 |
| 2.1.2 线性判别分析（LDA）算法 | 第25-26页 |
| 2.1.3 局部保持投影（LPP）算法 | 第26-27页 |
| 2.2 人脸识别中分类识别算法 | 第27-31页 |
| 2.2.1 K-近邻（KNN）分类器 | 第27-28页 |
| 2.2.2 支持向量机（SVM）分类器 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于压缩感知的特征提取和分类算法的改进 | 第32-49页 |
| 3.1 压缩感知理论简介 | 第32-35页 |
| 3.2 基于稀疏表示的人脸识别算法 | 第35-37页 |
| 3.3 基于联合表示的人脸识别算法的改进 | 第37-41页 |
| 3.4 基于观测矩阵优化的特征提取算法 | 第41-45页 |
| 3.5 仿真实验与分析 | 第45-48页 |
| 3.5.1 POM特征提取修正因子η 的参数设置 | 第45-46页 |
| 3.5.2 不同特征提取方法下分类识别算法的对比 | 第46-47页 |
| 3.5.3 不同分类识别方法下特征提取维度变化的对比 | 第47-48页 |
| 3.5.4 不同分类识别方法下运算时间的对比 | 第48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于分块字典学习的人脸识别算法 | 第49-61页 |
| 4.1 引言 | 第49-50页 |
| 4.2 常用的字典学习算法 | 第50-53页 |
| 4.2.1 最优方向法（MOD） | 第50-51页 |
| 4.2.2 K-SVD算法 | 第51-53页 |
| 4.3 基于分块字典学习的人脸识别算法 | 第53-56页 |
| 4.4 仿真实验与分析 | 第56-60页 |
| 4.4.1 Yale人脸表情库的识别结果 | 第57-58页 |
| 4.4.2 ORL人脸表情库的识别结果 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 本文总结 | 第61-62页 |
| 5.2 后续工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间参加的科研项目和成果 | 第69页 |