| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 人脸识别的研究背景 | 第12页 |
| 1.2 人脸识别的研究现状 | 第12-18页 |
| 1.2.1 人脸识别的发展历程 | 第12-13页 |
| 1.2.2 基于稀疏表示的人脸识别方法 | 第13-14页 |
| 1.2.3 基于局部描述的人脸识别方法 | 第14-18页 |
| 1.3 常用人脸数据库 | 第18-23页 |
| 1.3.1 ORL数据库 | 第18-19页 |
| 1.3.2 Yale数据库 | 第19页 |
| 1.3.3 YaleB数据库 | 第19页 |
| 1.3.4 AR数据库 | 第19-20页 |
| 1.3.5 CMU-PIE数据库 | 第20-21页 |
| 1.3.6 FERET数据库 | 第21页 |
| 1.3.7 FEI数据库 | 第21-22页 |
| 1.3.8 Asian数据库 | 第22页 |
| 1.3.9 Georgia数据库 | 第22页 |
| 1.3.10 LFW数据库 | 第22-23页 |
| 1.4 本论文主要研究内容 | 第23-26页 |
| 第二章 基于变化特征表示的人脸识别方法 | 第26-42页 |
| 2.1 引言 | 第26-27页 |
| 2.2 VFRC方法介绍 | 第27-31页 |
| 2.2.1 人脸的分解 | 第27-28页 |
| 2.2.2 变化特征表示 | 第28-30页 |
| 2.2.3 分类模型 | 第30-31页 |
| 2.3 VFRC算法及复杂度分析 | 第31-32页 |
| 2.3.1 VFRC算法介绍 | 第31页 |
| 2.3.2 VFRC算法复杂度分析 | 第31-32页 |
| 2.4 数值实验 | 第32-40页 |
| 2.4.1 参数设置 | 第32-33页 |
| 2.4.2 复杂变化条件下的识别实验 | 第33-35页 |
| 2.4.3 微弱姿态和表情变化情况下的识别实验 | 第35-36页 |
| 2.4.4 两个非理想数据库上的识别实验 | 第36-37页 |
| 2.4.5 具有明显遮挡的单样本人脸识别实验 | 第37-40页 |
| 2.5 总结 | 第40-42页 |
| 第三章 基于定制稀疏表示的人脸识别方法 | 第42-62页 |
| 3.1 引言 | 第42-44页 |
| 3.2 相关工作回顾 | 第44-46页 |
| 3.2.1 线性回归模型 | 第44页 |
| 3.2.2 通用学习模型 | 第44-46页 |
| 3.3 研究动机 | 第46页 |
| 3.4 定制稀疏表示模型 | 第46-51页 |
| 3.4.1 带有混合范数的定制稀疏模型 | 第46-49页 |
| 3.4.2 算法介绍 | 第49-51页 |
| 3.4.3 分类方法 | 第51页 |
| 3.5 数值实验 | 第51-58页 |
| 3.5.1 数据库设置 | 第52-53页 |
| 3.5.2 参数设置 | 第53-55页 |
| 3.5.3 模型的有效性 | 第55-57页 |
| 3.5.4 不同变化字典 | 第57-58页 |
| 3.6 总结 | 第58-62页 |
| 第四章 基于定制字典的联合稀疏表示方法 | 第62-82页 |
| 4.1 引言 | 第62-64页 |
| 4.2 CD-EJSR模型 | 第64-72页 |
| 4.2.1 常用记号 | 第64页 |
| 4.2.2 定制字典学习模型 | 第64-68页 |
| 4.2.3 扩展的联合稀疏表示模型 | 第68-71页 |
| 4.2.4 分类 | 第71-72页 |
| 4.3 数值试验 | 第72-81页 |
| 4.3.1 实验设置 | 第72-73页 |
| 4.3.2 参数设置 | 第73页 |
| 4.3.3 迭代步数 | 第73-74页 |
| 4.3.4 时间耗费 | 第74页 |
| 4.3.5 变化字典的规模 | 第74-75页 |
| 4.3.6 不同数据库上的实验 | 第75-79页 |
| 4.3.7 字典学习方法的比较 | 第79-81页 |
| 4.4 总结 | 第81-82页 |
| 第五章 Gabor-scale二值模式人脸识别方法 | 第82-100页 |
| 5.1 引言 | 第82-84页 |
| 5.2 预备知识 | 第84-86页 |
| 5.2.1 Gabor小波变换 | 第84-85页 |
| 5.2.2 局部二值模式 | 第85-86页 |
| 5.3 GSBP方法 | 第86-90页 |
| 5.3.1 Gabor-scale长度模式 | 第86-87页 |
| 5.3.2 Gabor-scale比值模式 | 第87-88页 |
| 5.3.3 GSBP特征 | 第88-89页 |
| 5.3.4 加权距离 | 第89-90页 |
| 5.4 数值实验 | 第90-96页 |
| 5.4.1 分块方式的影响 | 第90-91页 |
| 5.4.2 相关方法的比较 | 第91-93页 |
| 5.4.3 关于不同规模训练集的实验 | 第93-94页 |
| 5.4.4 基于加权方法的比较 | 第94-96页 |
| 5.5 总结 | 第96-100页 |
| 第六章 基于改进局部二值模式的彩色人脸识别 | 第100-116页 |
| 6.1 引言 | 第100-101页 |
| 6.2 预备知识 | 第101-103页 |
| 6.2.1 局部二值模式 | 第101-102页 |
| 6.2.2 Hamming距离 | 第102-103页 |
| 6.3 改进的彩色局部二值模式 | 第103-105页 |
| 6.4 提取ICLBP特征 | 第105-107页 |
| 6.5 数值实验 | 第107-114页 |
| 6.5.1 光照变化条件下的实验 | 第107-108页 |
| 6.5.2 姿态变化条件下的实验 | 第108-109页 |
| 6.5.3 在FEI和Asian数据库上的实验 | 第109-111页 |
| 6.5.4 计算时间上的优势 | 第111-112页 |
| 6.5.5 k-uniform模式的有效性 | 第112-114页 |
| 6.6 总结 | 第114-116页 |
| 总结与展望 | 第116-120页 |
| 参考文献 | 第120-132页 |
| 发表论文和参加科研情况说明 | 第132-134页 |
| 致谢 | 第134-135页 |