| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-12页 |
| 插图目录 | 第12-14页 |
| 表格目录 | 第14-16页 |
| 1 绪论 | 第16-28页 |
| 1.1 人脸识别研究的背景及意义 | 第16-17页 |
| 1.2 人脸识别研究概况 | 第17-20页 |
| 1.2.1 人脸图像的特征提取概述 | 第18-20页 |
| 1.2.2 用于人脸图像的分类算法 | 第20页 |
| 1.3 基于线性表示的入脸识别方法及存在的问题 | 第20-25页 |
| 1.3.1 基于线性表示的分类算法概述 | 第20-23页 |
| 1.3.2 基于线性表示的鲁棒人脸识别算法及存在的问题 | 第23-25页 |
| 1.4 论文的主要工作和组织结构 | 第25-28页 |
| 2 近似的LTS回归算法及在人脸识别中的应用 | 第28-44页 |
| 2.1 引言 | 第28页 |
| 2.2 人脸识别中的回归算法概述 | 第28-31页 |
| 2.2.1 线性回归 | 第28-30页 |
| 2.2.2 鲁棒回归算法 | 第30-31页 |
| 2.3 一种快速的近似LTS算法 | 第31-35页 |
| 2.3.1 LTS问题转化 | 第31-33页 |
| 2.3.2 近似的最小截平方和算法及孤立点检测 | 第33-35页 |
| 2.4 实验 | 第35-41页 |
| 2.4.1 利用ALTS算法的人脸图像中的噪声检测 | 第35-36页 |
| 2.4.2 基于ALTS的人脸识别 | 第36-39页 |
| 2.4.3 ALTS计算效率评估 | 第39-41页 |
| 2.5 本章小结 | 第41-44页 |
| 3 快速的L_∞-Minimization优化算法及在人脸识别中的应用 | 第44-58页 |
| 3.1 引言 | 第44-45页 |
| 3.2 可用于人脸识别的快速L_∞-Minimization算法 | 第45-49页 |
| 3.2.1 问题描述及转化 | 第45-46页 |
| 3.2.2 基于L_∞的孤立点检测算法 | 第46-47页 |
| 3.2.3 快速的L_∞-Minimization算法 | 第47-49页 |
| 3.3 实验 | 第49-55页 |
| 3.3.1 算法的有效性演示及计算效率评估 | 第50-52页 |
| 3.3.2 快速L_∞-Minimization算法在鲁棒人脸识别中的应用 | 第52-55页 |
| 3.4 本章小结 | 第55-58页 |
| 4 基于局部性限制及空间金字塔子图像的人脸识别算法 | 第58-76页 |
| 4.1 引言 | 第58-59页 |
| 4.2 相关工作 | 第59-60页 |
| 4.3 基于局部性限制的线性表示及分类算法 | 第60-63页 |
| 4.3.1 基于局部性限制的线性回归模型 | 第60-62页 |
| 4.3.2 局部性限制模型的贝叶斯解释及其和稀疏表示的关系 | 第62-63页 |
| 4.4 基于贝叶斯的空间金字塔子图像的人脸识别融合算法 | 第63-67页 |
| 4.4.1 空间金字塔型子图像 | 第63-64页 |
| 4.4.2 基于贝叶斯的子图像分类融合算法 | 第64-65页 |
| 4.4.3 子图像上局部性及稀疏性的关系 | 第65-67页 |
| 4.4.4 基于局部性的子图像可靠性验证 | 第67页 |
| 4.5 基于局部性限制的人脸识别算法 | 第67-69页 |
| 4.5.1 基于表示系数的识别算法 | 第68页 |
| 4.5.2 基于本类样本表示的识别算法 | 第68-69页 |
| 4.6 实验 | 第69-74页 |
| 4.6.1 大面积连续图像污染下的人脸识别 | 第70-71页 |
| 4.6.2 自然连续遮挡下的人脸识别 | 第71-72页 |
| 4.6.3 训练样本非充分或单训练样本下的人脸识别 | 第72-74页 |
| 4.7 本章小结 | 第74-76页 |
| 5 总结与展望 | 第76-80页 |
| 5.1 本文研究工作总结 | 第76-77页 |
| 5.2 展望 | 第77-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-92页 |
| 附录 | 第92页 |
