| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 国内外研究现状及趋势 | 第14-18页 |
| 1.3 论文主要研究内容及组织结构 | 第18-21页 |
| 1.3.1 主要研究内容 | 第18-20页 |
| 1.3.2 论文组织结构 | 第20-21页 |
| 第二章 人脸特征提取方法 | 第21-34页 |
| 2.1 Gabor小波变换 | 第21-24页 |
| 2.2 主成分分析法 | 第24-27页 |
| 2.2.1 K-L变换 | 第25-26页 |
| 2.2.2 主成分分析法（PCA） | 第26-27页 |
| 2.3 LBP基本原理 | 第27-29页 |
| 2.3.1 LBP算子 | 第27-28页 |
| 2.3.2 LBP算子人脸描述 | 第28-29页 |
| 2.4 Gabor二值模式与PCA相结合的人脸特征提取方法 | 第29-30页 |
| 2.5 实验结果与分析 | 第30-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 稀疏表示的人脸识别算法 | 第34-45页 |
| 3.1 压缩感知理论 | 第34-37页 |
| 3.2 信号的稀疏表示 | 第37-38页 |
| 3.3 稀疏表示人脸识别算法 | 第38-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 改进的稀疏表示人脸识别方法 | 第45-61页 |
| 4.1 稀疏表示方法的局限性 | 第45-46页 |
| 4.2 平移不变的稀疏表示方法 | 第46-51页 |
| 4.2.1 平移变换的模型 | 第46-48页 |
| 4.2.2 平移不变的稀疏表示方法步骤 | 第48-49页 |
| 4.2.3 平移不变的稀疏表示方法实验及其结果 | 第49-51页 |
| 4.3 快速稀疏表示方法 | 第51-60页 |
| 4.3.1 快速稀疏表示方法详细步骤 | 第51-55页 |
| 4.3.2 快速稀疏表示方法实验及其结果 | 第55-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 附录 | 第70-71页 |
| 致谢 | 第71-72页 |