基于改进低秩恢复稀疏表示的人脸识别方法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章绪论 | 第15-21页 |
| 1.1 人脸识别技术的背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 人脸识别研究的发展历程 | 第16-17页 |
| 1.2.2 人脸识别研究现状 | 第17页 |
| 1.2.3 需要解决的问题 | 第17-18页 |
| 1.3 本文主要工作及章节安排 | 第18-21页 |
| 第二章人脸检测和矩阵重建相关算法 | 第21-35页 |
| 2.1 引言 | 第21页 |
| 2.2 基于肤色模型的人脸检测 | 第21-24页 |
| 2.2.1 色彩空间的选取与预处理 | 第22-23页 |
| 2.2.2 肤色模型的选择 | 第23-24页 |
| 2.3 基于AdaBoost算法的人脸检测 | 第24-30页 |
| 2.3.1 Haar特征与积分图像 | 第24-28页 |
| 2.3.2 AdaBoost算法 | 第28-30页 |
| 2.4 矩阵重建算法 | 第30-32页 |
| 2.4.1 矩阵重建简介 | 第30页 |
| 2.4.2 矩阵重建相关算法 | 第30-32页 |
| 2.5 本章小结 | 第32-35页 |
| 第三章人脸特征的提取方法 | 第35-41页 |
| 3.1 引言 | 第35页 |
| 3.2 奇异值分解法 | 第35-37页 |
| 3.2.1 奇异值分解定理及性质 | 第35-36页 |
| 3.2.2 奇异值分解应用于人脸识别 | 第36-37页 |
| 3.3 主成分分析法 | 第37-38页 |
| 3.3.1 K-L变换 | 第37-38页 |
| 3.3.2 主成分分析应用于人脸识别 | 第38页 |
| 3.4 线性鉴别分析法 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于低秩恢复的非负稀疏表示人脸识别 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 稀疏表示人脸识别 | 第41-46页 |
| 4.2.1 稀疏表示求解算法 | 第42-43页 |
| 4.2.2 字典构建 | 第43-44页 |
| 4.2.3 稀疏表示的人脸识别方法 | 第44-46页 |
| 4.3 基于低秩恢复的非负稀疏表示人脸识别 | 第46-48页 |
| 4.3.1 非负稀疏表示 | 第46-47页 |
| 4.3.2 基于低秩恢复的非负稀疏表示人脸识别 | 第47-48页 |
| 4.4 实验结果和分析 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 基于TILT的非负稀疏表示的人脸识别 | 第51-59页 |
| 5.1 引言 | 第51-52页 |
| 5.2 变换不变的低秩纹理 | 第52-53页 |
| 5.2.1 低秩纹理的定义 | 第52页 |
| 5.2.2 变形和损坏的低秩纹理 | 第52-53页 |
| 5.3 基于TILT的非负稀疏表示的人脸识别 | 第53-57页 |
| 5.3.1 TILT算法及求解过程 | 第53-56页 |
| 5.3.2 基于TILT的非负稀疏表示算法 | 第56-57页 |
| 5.4 实验结果和分析 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章结束语 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
| 1.基本情况 | 第69页 |
| 2.教育背景 | 第69页 |
| 3.在学期间的研究成果 | 第69-70页 |
