基于SIFT的稀疏表示在人脸识别中的应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 人脸识别的研究背景和意义 | 第8-9页 |
| 1.2 人脸识别的框架 | 第9页 |
| 1.2.1 有关人脸识别的研究对象 | 第9页 |
| 1.2.2 一般的人脸识别过程 | 第9页 |
| 1.3 人脸识别的遇到的问题 | 第9-11页 |
| 1.3.1 表情的多样性 | 第10页 |
| 1.3.2 人脸的非线性 | 第10页 |
| 1.3.3 高维度与小样本 | 第10-11页 |
| 1.4 人脸识别特征提取方法 | 第11-12页 |
| 1.5 本文工作和提纲 | 第12-14页 |
| 1.5.1 本文主要工作 | 第12页 |
| 1.5.2 内容提纲 | 第12-14页 |
| 第二章 SIFT | 第14-32页 |
| 2.1 引言 | 第14页 |
| 2.2 SIFT 框架 | 第14-15页 |
| 2.3 SIFT 基本原理 | 第15-27页 |
| 2.3.1 尺度空间极值检测 | 第15-19页 |
| 2.3.2 特征点定位 | 第19-22页 |
| 2.3.3 方向分配 | 第22-23页 |
| 2.3.4 特征点算子 | 第23-27页 |
| 2.4 SIFT 算法流程 | 第27页 |
| 2.5 SIFT 技术难点分析 | 第27-29页 |
| 2.5.1 高斯金字塔的高阶差分 | 第27-28页 |
| 2.5.2 有关高斯金字塔的连续性 | 第28-29页 |
| 2.6 SIFT 在人脸识别中的优缺点 | 第29-30页 |
| 2.7 本章小结 | 第30-32页 |
| 第三章 稀疏表示 | 第32-46页 |
| 3.1 引言 | 第32页 |
| 3.2 稀疏表示基本框架 | 第32-39页 |
| 3.2.1 基的理解 | 第34-35页 |
| 3.2.2 稀疏求解的两个基本问题 | 第35-39页 |
| 3.3 稀疏表示在人脸识别中的应用 | 第39-44页 |
| 3.3.1 字典生成 | 第40-41页 |
| 3.3.2 稀疏求解 | 第41-42页 |
| 3.3.3 模式分类 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 局部二值模式 | 第46-62页 |
| 4.1 引言 | 第46页 |
| 4.2 LBP 基本原理 | 第46-49页 |
| 4.2.1 LBP 的定义 | 第46页 |
| 4.2.2 LBP 的数学原理 | 第46-49页 |
| 4.2.3 旋转不变 LBP | 第49页 |
| 4.2.4 统一模式 LBP | 第49页 |
| 4.3 LBP 在人脸识别中的应用 | 第49-51页 |
| 4.4 LBP 在人脸识别中的优缺点 | 第51页 |
| 4.5 改进的 LBP | 第51-55页 |
| 4.5.1 局部梯度编码模式 | 第51-53页 |
| 4.5.2 局部插值编码模式 | 第53-55页 |
| 4.6 实验结果和分析 | 第55-61页 |
| 4.6.1 ORL 人脸库实验 | 第55-57页 |
| 4.6.2 Yale 人脸库实验 | 第57-60页 |
| 4.6.3 xd_132 人脸库实验 | 第60-61页 |
| 4.7 本章小结 | 第61-62页 |
| 第五章 基于 SIFT 的稀疏编码 | 第62-70页 |
| 5.1 引言 | 第62-63页 |
| 5.2 基于 SIFT 的稀疏编码算法介绍 | 第63-66页 |
| 5.2.1 字典设计 | 第63-65页 |
| 5.2.2 稀疏求解 | 第65页 |
| 5.2.3 分类识别 | 第65-66页 |
| 5.2.4 基于 SIFT 的稀疏编码算法流程 | 第66页 |
| 5.3 实验结果和分析 | 第66-69页 |
| 5.3.1 ORL 人脸库实验 | 第66-68页 |
| 5.3.2 Yale 人脸库实验 | 第68页 |
| 5.3.3 xd_132 人脸库实验 | 第68-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结和展望 | 第70-72页 |
| 6.1 全文总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-83页 |
