| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 名词和缩略语表 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文主要内容与安排 | 第14-17页 |
| 第二章 图像特征提取算法 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 图像的特征提取算法 | 第17-26页 |
| 2.2.1 PCA算法 | 第17-18页 |
| 2.2.2 KPCA算法 | 第18-22页 |
| 2.2.3 ICA算法 | 第22-24页 |
| 2.2.4 RPCA算法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 核主成分分析网络构造 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 核主成分分析网络的结构 | 第27-28页 |
| 3.3 核主成分分析网络的第一层 | 第28-29页 |
| 3.3.1 预处理 | 第28页 |
| 3.3.2 求取第一层滤波器 | 第28-29页 |
| 3.4 核主成分分析网络的第二层 | 第29-30页 |
| 3.5 KPCANet的池化与输出层 | 第30-31页 |
| 3.6 实验结果分析与讨论 | 第31-37页 |
| 3.6.1 实验目的 | 第31页 |
| 3.6.2 实验环境与工具 | 第31页 |
| 3.6.3 数据集描述 | 第31-33页 |
| 3.6.4 参数影响 | 第33-35页 |
| 3.6.5 KPCANet在多种识别任务上的表现 | 第35-36页 |
| 3.6.6 图像类内可变性对KPCANet的影响 | 第36-37页 |
| 3.7 本章小结 | 第37-39页 |
| 第四章 独立成分分析网络构造 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 ICANet的结构 | 第39-40页 |
| 4.3 滤波器组层 | 第40-41页 |
| 4.4 ICANet的池化输出层 | 第41页 |
| 4.5 实验结果分析与讨论 | 第41-46页 |
| 4.5.1 实验目的 | 第41页 |
| 4.5.2 实验环境与工具 | 第41-42页 |
| 4.5.3 数据集描述 | 第42-43页 |
| 4.5.4 ICANet提取纹理特征 | 第43-45页 |
| 4.5.5 参数对ICANet的影响 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 鲁棒的主成分分析网络构造 | 第47-53页 |
| 5.1 引言 | 第47-48页 |
| 5.2 RPCANet滤波器层 | 第48-49页 |
| 5.3 RPCANet池化与输出层 | 第49页 |
| 5.4 实验结果分析与讨论 | 第49-51页 |
| 5.4.1 实验目的 | 第49页 |
| 5.4.2 实验环境与工具 | 第49-50页 |
| 5.4.3 数据集描述 | 第50页 |
| 5.4.4 RPCANet在AR人脸数据集上的识别 | 第50页 |
| 5.4.5 滤波器数量对RPCANet的影响 | 第50-51页 |
| 5.5 本章小结 | 第51-53页 |
| 第六章 全文总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 作者简介 | 第57-59页 |
| 参考文献 | 第59-62页 |