非控环境下的人脸图像降维方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 课题研究难点 | 第14页 |
| 1.4 课题研究工作及章节安排 | 第14-16页 |
| 第二章 人脸识别相关技术简介 | 第16-30页 |
| 2.1 人脸识别基本流程 | 第16-17页 |
| 2.2 降维方法 | 第17-24页 |
| 2.2.1 主成分分析 | 第17-18页 |
| 2.2.2 线性判别分析 | 第18-19页 |
| 2.2.3 局部保留投影 | 第19-20页 |
| 2.2.4 邻域保持嵌入 | 第20-21页 |
| 2.2.5 局部敏感判别分析 | 第21-24页 |
| 2.3 分类方法 | 第24-27页 |
| 2.3.1 最近邻分类 | 第24页 |
| 2.3.2 支持向量机 | 第24-26页 |
| 2.3.3 稀疏表示分类 | 第26-27页 |
| 2.4 人脸数据库 | 第27-29页 |
| 2.4.1 AR数据库 | 第28页 |
| 2.4.2 ExtendedYaleB数据库 | 第28页 |
| 2.4.3 LFW数据库 | 第28-29页 |
| 2.4.4 PubFic数据库 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于判别稀疏保留投影的人脸识别算法 | 第30-43页 |
| 3.1 稀疏保持投影SPP | 第30-32页 |
| 3.1.1 SPP稀疏重构矩阵 | 第31页 |
| 3.1.2 SPP投影降维 | 第31-32页 |
| 3.2 判别稀疏保留投影DSPP | 第32-35页 |
| 3.2.1 DSPP重构权值矩阵 | 第33-34页 |
| 3.2.2 DSPP投影降维 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-42页 |
| 3.3.1 二维可视化结果分析 | 第36-37页 |
| 3.3.2 与现有降维方法的效果比较 | 第37-40页 |
| 3.3.3 基于不同分类方法的人脸识别效果分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于判别稀疏保持嵌入的人脸识别算法 | 第43-56页 |
| 4.1 鉴别稀疏邻域保持嵌入DSNPE | 第43-45页 |
| 4.1.1 DSNPE类内离散度 | 第44页 |
| 4.1.2 DSNPE类间离散度 | 第44-45页 |
| 4.1.3 DSNPE投影降维 | 第45页 |
| 4.2 判别稀疏保持嵌入DSPE | 第45-50页 |
| 4.2.1 DSPE重构权值矩阵 | 第46-49页 |
| 4.2.2 DSPE投影降维 | 第49-50页 |
| 4.3 实验结果与分析 | 第50-55页 |
| 4.3.1 与现有降维方法的效果比较 | 第50-53页 |
| 4.3.2 DSPE与DSPP人脸识别效果比较 | 第53-54页 |
| 4.3.3 基于不同分类方法的人脸识别效果分析 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 非约束人脸识别的判别张量稀疏保持算法 | 第56-66页 |
| 5.1 张量子空间分析TSA | 第56-59页 |
| 5.1.1 TSA相似矩阵 | 第57页 |
| 5.1.2 TSA双边投影 | 第57-59页 |
| 5.2 判别张量稀疏保持DTSP | 第59-62页 |
| 5.2.1 DTSP张量重构矩阵 | 第59-60页 |
| 5.2.2 DTSP投影降维 | 第60-62页 |
| 5.3 实验结果与分析 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 本文工作总结 | 第66-67页 |
| 6.2 未来工作展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 附录2 攻读硕士学位期间申请的专利 | 第72-73页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第73-74页 |
| 致谢 | 第74页 |
