| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 概述 | 第11-14页 |
| 1.1.1 人脸识别技术的发展历程 | 第11-12页 |
| 1.1.2 人脸识别技术的应用 | 第12-13页 |
| 1.1.3 人脸识别技术的问题 | 第13-14页 |
| 1.2 人脸识别技术的内容 | 第14-16页 |
| 1.3 特征抽取技术介绍 | 第16-18页 |
| 1.3.1 线性特征抽取方法 | 第16-17页 |
| 1.3.2 非线性特征抽取方法 | 第17-18页 |
| 1.4 人脸识别研究近期成果介绍 | 第18-19页 |
| 1.5 本文主要研究工作 | 第19-20页 |
| 1.6 本文内容的章节安排 | 第20-22页 |
| 第二章 矩阵分解 | 第22-25页 |
| 2.1 引言 | 第22页 |
| 2.2 矩阵分解算法 | 第22-23页 |
| 2.3 非负矩阵分解 | 第23页 |
| 2.4 低秩矩阵分解 | 第23-24页 |
| 2.4.1 低秩表示 | 第23-24页 |
| 2.5 章节小结 | 第24-25页 |
| 第三章 拉普拉斯约束的非负稀疏的低秩表示分类器 | 第25-33页 |
| 3.1 引言 | 第25页 |
| 3.2 相关工作 | 第25-27页 |
| 3.2.1 低秩矩阵 | 第25-26页 |
| 3.2.2 基于图的流形学习 | 第26-27页 |
| 3.3 拉普拉斯约束的非负稀疏的低秩表示分类 | 第27-30页 |
| 3.3.1 目标函数的确定 | 第27-28页 |
| 3.3.2 优化解决方案 | 第28-30页 |
| 3.4 实验结果及分析 | 第30-32页 |
| 3.4.1 CMU PIE人脸库上的实验 | 第30-31页 |
| 3.4.2 AR人脸库上的实验 | 第31-32页 |
| 3.5 章节小结 | 第32-33页 |
| 第四章 用于人脸识别的加权低秩表示分类器 | 第33-41页 |
| 4.1 引言 | 第33-34页 |
| 4.2 相关工作 | 第34页 |
| 4.3 加权低秩表示分类器 | 第34-37页 |
| 4.3.1 目标函数的确定 | 第34-35页 |
| 4.3.2 问题的优化 | 第35-37页 |
| 4.4 实验结果及分析 | 第37-40页 |
| 4.4.1 ORL人脸库上的实验 | 第37-38页 |
| 4.4.2 Extended YALE B人脸库上的实验 | 第38-40页 |
| 4.5 章节小结 | 第40-41页 |
| 第五章 加权非负稀疏低秩表示分类 | 第41-50页 |
| 5.1 引言 | 第41页 |
| 5.2 相关工作 | 第41-42页 |
| 5.2.1 低秩矩阵 | 第41页 |
| 5.2.2 加权机制 | 第41-42页 |
| 5.3 加权非负稀疏低秩表示分类 | 第42-45页 |
| 5.3.1 目标函数的确定 | 第42-43页 |
| 5.3.2 优化解决方案 | 第43-45页 |
| 5.4 实验结果及分析 | 第45-49页 |
| 5.4.1 ORL人脸库上的实验 | 第46-47页 |
| 5.4.2 AR人脸库上的实验 | 第47-49页 |
| 5.5 章节小结 | 第49-50页 |
| 第六章 面部识别系统设计及实现 | 第50-57页 |
| 6.1 引言 | 第50页 |
| 6.2 实验开发环境 | 第50页 |
| 6.3 系统概况 | 第50-56页 |
| 6.3.1 系统主要功能和技术特点 | 第50页 |
| 6.3.2 系统设计 | 第50-51页 |
| 6.3.3 系统使用 | 第51-56页 |
| 6.4 章节小结 | 第56-57页 |
| 第七章 总结与展望 | 第57-59页 |
| 7.1 总结 | 第57-58页 |
| 7.2 展望 | 第58-59页 |
| 参考文献 | 第59-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |