基于R1-PCA的图像集人脸识别算法的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 第2章 图像集人脸识别技术综述 | 第14-26页 |
| 2.1 图像集人脸识别简介 | 第14-17页 |
| 2.1.1 研究背景 | 第14-15页 |
| 2.1.2 图像集人脸识别与传统人脸识别的联系 | 第15-16页 |
| 2.1.3 图像集人脸识别的主要研究内容 | 第16-17页 |
| 2.2 图像集人脸识别方法研究和分析 | 第17-25页 |
| 2.2.1 参数化模型 | 第18-19页 |
| 2.2.2 非参数化模型 | 第19-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于 R_1-PCA 算法的子空间估计 | 第26-34页 |
| 3.1 研究背景 | 第26页 |
| 3.2 R_1-PCA 算法简介 | 第26-29页 |
| 3.2.1 矩阵的 R_1范数 | 第26-27页 |
| 3.2.2 R_1-PCA 算法 | 第27-29页 |
| 3.2.3 R_1-PCA 解的旋转不变性 | 第29页 |
| 3.3 R_1-PCA 的求解 | 第29-33页 |
| 3.3.1 利用通用鲁棒估计量解 R_1-PCA | 第29-31页 |
| 3.3.2 子空间迭代算法 | 第31-32页 |
| 3.3.3 R_1-PCA 算法的流程 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 改进的基于仿射包的图像集人脸识别算法 | 第34-50页 |
| 4.1 研究背景 | 第34页 |
| 4.2 改进的基于仿射包的图像集人脸识别算法 | 第34-39页 |
| 4.2.1 仿射包模型及其参数化 | 第34-36页 |
| 4.2.2 仿射包距离 | 第36-37页 |
| 4.2.3 仿射子空间估计 | 第37-39页 |
| 4.3 实验验证 | 第39-49页 |
| 4.3.1 实验环境和实验设置 | 第39-40页 |
| 4.3.2 人脸检测和归一化处理 | 第40-42页 |
| 4.3.3 实验结果和分析 | 第42-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 作者简介 | 第55-56页 |
| 致谢 | 第56页 |
