| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 基于图像集的人脸识别研究现状 | 第10-15页 |
| 1.3 复杂网络在图像处理中的研究现状 | 第15-17页 |
| 1.4 文章内容和章节安排 | 第17-19页 |
| 1.4.1 本文的主要工作 | 第17-18页 |
| 1.4.2 本文的组织结构 | 第18-19页 |
| 2 相关理论概述 | 第19-28页 |
| 2.1 复杂网络基础理论 | 第19-25页 |
| 2.1.1 复杂网络基本概念 | 第19-20页 |
| 2.1.2 复杂网络的图表式 | 第20-21页 |
| 2.1.3 复杂网络的基本拓扑性质 | 第21-24页 |
| 2.1.4 复杂网络的基本模型 | 第24-25页 |
| 2.2 社团划分的相关概念 | 第25-26页 |
| 2.3 稀疏保持投影 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于复杂网络和稀疏表示的人脸图像集识别 | 第28-41页 |
| 3.1 构建人脸图像的复杂网络模型 | 第30-31页 |
| 3.1.1 图像集建模为规则网络 | 第30-31页 |
| 3.1.2 规则网络转化为复杂网络 | 第31页 |
| 3.2 人脸图像集的子流形划分 | 第31-34页 |
| 3.3 稀疏流形保持 | 第34-38页 |
| 3.4 人脸图像集分类和识别 | 第38-39页 |
| 3.5 算法流程 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 实验验证与结果分析 | 第41-57页 |
| 4.1 实验数据库 | 第41-43页 |
| 4.2 实验设置 | 第43-46页 |
| 4.3 实验结果及分析 | 第46-56页 |
| 4.3.1 Honda/UCSD数据库上的实验结果 | 第46-47页 |
| 4.3.2 CMUMoBo数据库上的实验结果 | 第47-48页 |
| 4.3.3 YouTubeCelebrities数据库上的实验结果 | 第48-49页 |
| 4.3.4 结果分析 | 第49-51页 |
| 4.3.5 参数和效率分析 | 第51-56页 |
| 4.3.6 结论 | 第56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 总结和展望 | 第57-60页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 未来工作的展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 附录 | 第66-67页 |
| 致谢 | 第67-68页 |