| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.2 国内外人脸识别技术的研究现状 | 第13-15页 |
| 1.3 课题的来源及研究内容 | 第15-17页 |
| 1.3.1 课题来源 | 第15页 |
| 1.3.2 课题的主要研究内容 | 第15-17页 |
| 第2章 Gabor特征提取算法 | 第17-24页 |
| 2.1 二维Gabor滤波器组的参数设计 | 第17-19页 |
| 2.2 Gabor特征提取方法 | 第19-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 Gabor小波特征提取算法比较分析 | 第24-31页 |
| 3.1 引言 | 第24页 |
| 3.2 基于LBP基本算子分析 | 第24-26页 |
| 3.2.1 改进的LBP算子 | 第25-26页 |
| 3.3 基于PCA降维算法的实现原理 | 第26-29页 |
| 3.3.1 PCA的基本概念和原理 | 第26-27页 |
| 3.3.2 主成分分析法（PCA）的算法 | 第27-29页 |
| 3.4 基于LPP的降维原理 | 第29-30页 |
| 3.4.1 LPP算法的降维实现原理 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于Gabor特征的全局加权稀疏表示 | 第31-40页 |
| 4.1 引言 | 第31页 |
| 4.2 Gabor特征表示 | 第31-33页 |
| 4.3 基于Gabor特征与稀疏表示的人脸分类识别算法（GSRC） | 第33-35页 |
| 4.3.1 基于稀疏表示的人脸识别算法（SRC） | 第33-34页 |
| 4.3.2 Gabor特征与稀疏表示的人脸分类识别算法（GSRC） | 第34-35页 |
| 4.4 实验结果与分析 | 第35-39页 |
| 4.4.1 在Yale B数据库上的实验 | 第35-36页 |
| 4.4.2 在AR数据库上的实验 | 第36-37页 |
| 4.4.3 在ORL数据库上的实验 | 第37-38页 |
| 4.4.4 算法速度比较 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 Gabor特征提取的核函数算法 | 第40-54页 |
| 5.1 引言 | 第40-41页 |
| 5.2 Fisher线性判别算法分析 | 第41-44页 |
| 5.3 核函数算法分析 | 第44-47页 |
| 5.3.1 基于压缩感知的人脸图像恢复算法的提出 | 第44-45页 |
| 5.3.2 特征设计 | 第45-47页 |
| 5.4 核Fisher算法 | 第47-49页 |
| 5.5 实验结果与分析 | 第49-53页 |
| 5.5.1 基于ORL人脸数据库的实验 | 第49-51页 |
| 5.5.2 基于YALE人脸数据库的实验 | 第51-52页 |
| 5.5.3 基于FERET人脸数据库的实验 | 第52-53页 |
| 5.6 本章小节 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间所发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |