| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 1 绪论 | 第12-22页 |
| ·生物特征识别 | 第12-14页 |
| ·生物特征识别概述 | 第12-13页 |
| ·人脸识别概述 | 第13-14页 |
| ·脸识别中的特征抽取方法 | 第14-20页 |
| ·线性投影特征抽取方法 | 第14-18页 |
| ·非线性投影特征抽取方法 | 第18-20页 |
| ·基于稀疏表示的方法 | 第20页 |
| ·本文的主要工作 | 第20页 |
| ·本文的组织结构 | 第20-22页 |
| 2 最小化相关性的二维主成分分析 | 第22-30页 |
| ·引言 | 第22-23页 |
| ·二维主成分分析(two-dimensional PCA,2DPCA) | 第23-24页 |
| ·最小化相关性的二维主成分分析 | 第24-26页 |
| ·特征向量中分量之间的相关性 | 第25页 |
| ·最小化相关性的二维主成分分析 | 第25-26页 |
| ·实验结果及分析 | 第26-29页 |
| ·在Yale人脸库上的实验 | 第26-28页 |
| ·在FERET人脸库上的实验 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于张量脸模型的人脸识别方法研究 | 第30-45页 |
| ·引言 | 第30-32页 |
| ·张量代数 | 第32页 |
| ·基于张量脸模型的各种人脸识别方法 | 第32-38页 |
| ·张量脸模型 | 第32-33页 |
| ·基于张量脸模型的各种识别算法 | 第33-38页 |
| ·用矩阵分解来解决张量脸模型(tensor model using matrix factorization,MFTM) | 第38-39页 |
| ·基于MFTM的图像重构 | 第39页 |
| ·实验及分析 | 第39-44页 |
| ·人脸识别 | 第40-44页 |
| ·图像重构 | 第44页 |
| ·本章小结 | 第44-45页 |
| 4 非负二维主成分分析及在人脸识别中的应用 | 第45-55页 |
| ·引言 | 第45-46页 |
| ·非负矩阵分解 | 第46-47页 |
| ·非负二维主成分分析 | 第47-51页 |
| ·目标函数及其解 | 第47-48页 |
| ·解的收敛性证明 | 第48-50页 |
| ·特征提取与识别 | 第50-51页 |
| ·实验结果及分析 | 第51-54页 |
| ·在ORL人脸库上的实验 | 第51-53页 |
| ·在FERET人脸库上的实验 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 5 无监督的差分鉴别特征提取以及在人脸识别上的应用 | 第55-64页 |
| ·引言 | 第55-56页 |
| ·局部保持投影(LPP)和无监督鉴别投影(UDP) | 第56-58页 |
| ·局部散度和非局部散度 | 第56-57页 |
| ·局部散度 | 第56-57页 |
| ·非局部散度 | 第57页 |
| ·局部保持投影(LPP) | 第57-58页 |
| ·无监督鉴别投影(UDP) | 第58页 |
| ·最大化局部、非局部散度差鉴别分析 | 第58-59页 |
| ·基本思想 | 第58-59页 |
| ·最优投影矩阵 | 第59页 |
| ·实验结果及分析 | 第59-63页 |
| ·在Yale人脸库上的实验 | 第60-62页 |
| ·在FERET人脸库上的实验 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 6 基于中心距离的鉴别特征提取 | 第64-74页 |
| ·引言 | 第64-65页 |
| ·中心距离 | 第65-66页 |
| ·基于中心距离的线性鉴别算法 | 第66-69页 |
| ·新方法的基本思想 | 第66-67页 |
| ·基于中心近邻距离的线性鉴别算法 | 第67-69页 |
| ·实验结果及分析 | 第69-73页 |
| ·在Yale人脸数据库上的实验 | 第69-71页 |
| ·在AR人脸数据库上的实验 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 结束语 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-93页 |
| 附录 | 第93页 |
