| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·选题来源与研究背景 | 第7-8页 |
| ·课题来源 | 第7页 |
| ·研究背景 | 第7-8页 |
| ·研究现状 | 第8-13页 |
| ·常见的人脸识别方法 | 第9-13页 |
| ·人脸识别产业的发展 | 第13页 |
| ·本论文的研究内容及安排 | 第13-15页 |
| 第二章 稀疏表示理论基础 | 第15-29页 |
| ·引言 | 第15-16页 |
| ·信号稀疏表示 | 第16-18页 |
| ·信号稀疏表示原理 | 第16页 |
| ·过完备字典的稀疏分解 | 第16-18页 |
| ·压缩感知理论 | 第18-26页 |
| ·压缩感知介绍以及基本思想 | 第18-22页 |
| ·常用的稀疏表示求解算法介绍 | 第22-26页 |
| ·稀疏表示的应用 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于字典学习的图像稀疏表示及识别 | 第29-45页 |
| ·引言 | 第29页 |
| ·字典学习介绍 | 第29-36页 |
| ·常见的字典学习方法 | 第30-32页 |
| ·MOD和K-SVD字典学习算法比较 | 第32-36页 |
| ·基于字典学习的人脸识别 | 第36-38页 |
| ·实验结果 | 第38-43页 |
| ·Extended Yale B库的仿真结果与分析 | 第38-41页 |
| ·手写阿拉伯数字库的仿真结果与分析 | 第41-42页 |
| ·AR人脸库的仿真结果与分析 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 判别稀疏编码及图像分类 | 第45-57页 |
| ·引言 | 第45页 |
| ·流形学习介绍 | 第45-47页 |
| ·流形学习的主要思想和方法 | 第45-46页 |
| ·局部保持投影(LPP)理论介绍 | 第46-47页 |
| ·稀疏编码理论简介 | 第47-48页 |
| ·图表正规化的稀疏编码(Graph Regularized Sparse Coding)介绍 | 第48-49页 |
| ·基于判别流形学习稀疏编码方法 | 第49-53页 |
| ·MFA原理简介 | 第49-51页 |
| ·目标函数的求解方式 | 第51-53页 |
| ·实验结果 | 第53-56页 |
| ·USPS手写数字数据库仿真结果与分析 | 第53-54页 |
| ·COIL20图像库仿真结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·本文工作内容总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-69页 |
| 研究成果 | 第69页 |