首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

应用于人脸识别的改进稀疏表示分类算法研究

摘要第3-4页
Abstract第4-5页
第1章 绪论第9-19页
    1.1 人脸识别研究背景与意义第9-11页
    1.2 人脸识别发展进程与研究近况第11-13页
    1.3 人脸识别研究难点第13页
    1.4 常用人脸图像数据库简介第13-17页
    1.5 本文主要研究内容和结构框架第17-19页
第2章 人脸识别常用算法第19-25页
    2.1 引言第19页
    2.2 主成分分析算法(PCA)第19-21页
    2.3 线性判别分析算法(LDA)第21页
    2.4 稀疏表示分类算法(SRC)第21-22页
    2.5 改进的稀疏表示分类算法第22-25页
第3章 结合虚拟样本的协同表示分类算法第25-39页
    3.1 引言第25-26页
    3.2 结合虚拟样本的协同表示分类算法原理和分析第26-31页
        3.2.1 相关工作第26-27页
        3.2.2 算法的主要步骤第27-29页
        3.2.3 算法分析第29-31页
    3.3 结合虚拟样本的协同表示分类算法实验结果第31-36页
        3.3.1 ORL数据库上的实验第31-32页
        3.3.2 扩展YaleB数据库上的实验第32-34页
        3.3.3 AR数据库上的实验第34-35页
        3.3.4 FERET数据库上的实验第35-36页
        3.3.5 不同算法运行时间的比较第36页
    3.4 本章小结第36-39页
第4章 基于图像的复数表示的分类算法第39-49页
    4.1 引言第39-40页
    4.2 协同表示分类算法描述第40-41页
    4.3 基于图像的复数表示的分类算法第41-42页
    4.4 基于图像的复数表示的分类算法分析第42-45页
    4.5 基于图像的复数表示的分类算法实验结果第45-48页
        4.5.1 ORL数据库上的实验第45-46页
        4.5.2 COIL-100数据库上的实验第46页
        4.5.3 JAFFE数据库上的实验第46-47页
        4.5.4 GT数据库上的实验第47-48页
    4.6 本章小结第48-49页
第5章 改进的稀疏表示分类算法第49-69页
    5.1 引言第49-51页
    5.2 改进的稀疏表示分类算法的描述第51-55页
    5.3 改进的稀疏表示分类算法的分析第55-62页
        5.3.1 算法优势第56-60页
        5.3.2 算法的合理性第60-62页
    5.4 改进的稀疏表示分类算法的实验结果第62-68页
        5.4.1 JAFFE数据库上的实验第62-63页
        5.4.2 ORL数据库上的实验第63-64页
        5.4.3 COIL-100数据库上的实验第64-66页
        5.4.4 AR数据库上的实验第66-67页
        5.4.5 CMU PIE数据库上的实验第67-68页
    5.5 本章小结第68-69页
第6章 鉴别性增强的稀疏表示分类算法第69-83页
    6.1 引言第69-70页
    6.2 鉴别性增强的稀疏表示分类算法描述第70-71页
    6.3 鉴别性增强的稀疏表示分类算法分析第71-78页
        6.3.1 算法原理分析第71-72页
        6.3.2 算法优势分析第72-78页
    6.4 鉴别性增强的稀疏表示分类算法实验结果第78-81页
        6.4.1 ORL数据库上的实验第78-79页
        6.4.2 FERET数据库上的实验第79页
        6.4.3 扩展YaleB数据库上的实验第79-80页
        6.4.4 AR数据库上的实验第80-81页
    6.5 本章小结第81-83页
第7章 加权约束字典学习分类算法第83-95页
    7.1 引言第83-84页
    7.2 相关工作第84-85页
        7.2.1 字典学习第84-85页
        7.2.2 K-SVD算法第85页
    7.3 加权约束字典学习分类算法第85-88页
        7.3.1 目标函数第85-86页
        7.3.2 分类过程第86-88页
    7.4 加权约束字典学习分类算法实验结果第88-93页
        7.4.1 扩展YaleB数据库上的实验第88-89页
        7.4.2 AR数据库上的实验第89-90页
        7.4.3 CMU PIE数据库上的实验第90-92页
        7.4.4 Fifteen Scene Category数据集上的实验第92页
        7.4.5 实验结果分析第92-93页
    7.5 本章小结第93-95页
第8章 工作总结第95-97页
参考文献第97-105页
附录A第105-107页
附录B第107-109页
致谢第109-111页
攻读学位期间科研成果第111页

论文共111页,点击 下载论文
上一篇:复杂背景下的路面裂缝检测算法研究
下一篇:“互联网+体育教学”效果影响与应用策略研究--以扬州大学体育教育专业篮球教学为例