| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 人脸识别研究现状 | 第12-14页 |
| 人脸识别研究面临的挑战 | 第14-15页 |
| 1.3 人脸识别系统 | 第15-16页 |
| 1.4 本文研究内容和组织结构 | 第16-19页 |
| 稀疏表示相关内容 | 第19-25页 |
| 2.1 压缩感知介绍 | 第19页 |
| 2.2 稀疏表示 | 第19-23页 |
| 稀疏编码问题描述 | 第19-20页 |
| 过完备字典构造 | 第20-22页 |
| 稀疏求解算法 | 第22-23页 |
| 2.3 人脸图像的稀疏表示分类 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 遮挡鲁棒的融合整体与局部特征的分块SRC人脸识别方法 | 第25-35页 |
| 3.1 分块SRC人脸识别方法 | 第25-26页 |
| 3.2 分类判别准则改进 | 第26-27页 |
| 3.3 融合整体与局部特征的分块SRC算法 | 第27-28页 |
| 3.4 实验结果及分析 | 第28-34页 |
| AR人脸库实验结果 | 第28-32页 |
| Extended Yale B人脸库实验结果 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 光照鲁棒的特征加权分块SRC人脸识别方法 | 第35-47页 |
| 4.1 光照变化下人脸图像预处理方法 | 第35-38页 |
| 伽玛灰度校正 | 第35-36页 |
| 对数域DCT变换 | 第36-38页 |
| 4.2 分块方式改进 | 第38-39页 |
| 4.3 基于人脸图像特征加权分块SRC方法 | 第39-41页 |
| 4.4 实验结果与分析 | 第41-45页 |
| 子块权重探究 | 第41-44页 |
| 实验结果与分析 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 基于人脸识别的网络登录认证系统实现 | 第47-53页 |
| 5.1 系统运行原理 | 第47-48页 |
| 5.2 系统架构 | 第48-49页 |
| 5.3 系统功能模块展示 | 第49-51页 |
| 5.4 系统测试 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 结论与展望 | 第53-55页 |
| 6.1 本文工作总结 | 第53-54页 |
| 6.2 后续工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间发表的学术论文与参加的项目 | 第61-62页 |