高维数据降维及其在图像识别中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.1.1 高维数据带来的挑战 | 第10-11页 |
| 1.1.2 降维的意义 | 第11页 |
| 1.2 降维原理 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 论文的主要工作和安排 | 第14-16页 |
| 第2章 图像预处理和降维算法 | 第16-32页 |
| 2.1 人脸和表情特征降维 | 第16-17页 |
| 2.2 图像预处理 | 第17-23页 |
| 2.2.1 直方图均衡化 | 第17-19页 |
| 2.2.2 人脸检测和人眼定位 | 第19-22页 |
| 2.2.3 图像的几何处理 | 第22-23页 |
| 2.3 降维算法 | 第23-31页 |
| 2.3.1 线性和核降维方法 | 第23-27页 |
| 2.3.2 流形学习 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 SRC最佳鉴别投影及其在人脸识别中的应用 | 第32-42页 |
| 3.1 稀疏表示 | 第32-34页 |
| 3.1.1 稀疏表示模型 | 第32-34页 |
| 3.1.2 稀疏表示分类器 | 第34页 |
| 3.2 算法介绍 | 第34-37页 |
| 3.2.1 基于稀疏表示分类器的判别模型 | 第34-36页 |
| 3.2.2 数据集离散度度量 | 第36页 |
| 3.2.3 降维目标模型 | 第36-37页 |
| 3.2.4 算法实现 | 第37页 |
| 3.3 实验和分析 | 第37-41页 |
| 3.3.1 数据集描述 | 第37-38页 |
| 3.3.2 原始图像库上的实验 | 第38-39页 |
| 3.3.3 加噪声实验 | 第39-40页 |
| 3.3.4 加遮挡实验 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 间距判别投影及其在表情识别中的应用 | 第42-53页 |
| 4.1 相关方法 | 第42-43页 |
| 4.1.1 边界fisher分析 | 第42-43页 |
| 4.1.2 最大间距准则 | 第43页 |
| 4.2 算法介绍 | 第43-47页 |
| 4.2.1 边界定义 | 第44页 |
| 4.2.2 间距度量 | 第44-46页 |
| 4.2.3 算法和复杂度分析 | 第46-47页 |
| 4.3 实验 | 第47-51页 |
| 4.3.1 图像集描述 | 第47-48页 |
| 4.3.2 实验参数设置 | 第48-49页 |
| 4.3.3 在JAFFE数据集上的实验 | 第49-50页 |
| 4.3.4 在CK+数据集上的实验 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 总结和展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文 | 第58-59页 |
| 致谢 | 第59页 |
