| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 人脸识别研究概述 | 第9-12页 |
| 1.3 人脸识别研究现状 | 第12-14页 |
| 1.3.1 基于稀疏表示分类(SRC)的人脸识别研究现状 | 第12-13页 |
| 1.3.2 基于支持向量机(SVM)的人脸识别研究现状 | 第13-14页 |
| 1.4 本文研究内容及章节安排 | 第14-16页 |
| 第二章 相关背景知识介绍 | 第16-28页 |
| 2.1 稀疏表示相关知识 | 第16-21页 |
| 2.1.1 稀疏表示理论及模型 | 第16-17页 |
| 2.1.2 稀疏表示问题求解 | 第17-18页 |
| 2.1.3 典型稀疏分解算法分析 | 第18-20页 |
| 2.1.4 基于稀疏表示分类的人脸识别算法(SRC) | 第20-21页 |
| 2.2 支持向量机(SVM)相关知识 | 第21-27页 |
| 2.2.1 统计学习理论 | 第21-24页 |
| 2.2.2 二分类支持向量机基本形式 | 第24-25页 |
| 2.2.3 多分类支持向量分类机 | 第25-26页 |
| 2.2.4 基于PCA和SVM的人脸识别 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于低秩子空间的LBP字典稀疏表示人脸识别算法 | 第28-38页 |
| 3.1 低秩矩阵恢复 | 第28-31页 |
| 3.2 LBP特征提取 | 第31-33页 |
| 3.3 基于低秩子空间的LBP字典稀疏表示人脸识别算法 | 第33-35页 |
| 3.4 实验仿真及效果分析 | 第35-37页 |
| 3.4.1 训练集与测试集划分实验 | 第35-36页 |
| 3.4.2 与其他方法的人脸识别对比实验 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于分块Gabor特征和SVM的人脸识别算法 | 第38-47页 |
| 4.1 图像熵 | 第38页 |
| 4.2 Gabor特征提取 | 第38-39页 |
| 4.3 基于加权Gabor特征和SVM的人脸识别算法 | 第39-43页 |
| 4.3.1 图像分块 | 第40页 |
| 4.3.2 加权Gabor特征提取 | 第40-42页 |
| 4.3.3 基于加权Gabor特征和SVM的人脸识别算法 | 第42-43页 |
| 4.4 实验仿真及效果分析 | 第43-46页 |
| 4.4.1 分块情况对人脸识别率的影响 | 第44页 |
| 4.4.2 特征值数量对人脸识别率的影响 | 第44-45页 |
| 4.4.3 不同方法的人脸识别率对比 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于KPCA字典稀疏表示和SVM的人脸识别算法 | 第47-55页 |
| 5.1 KPCA特征提取 | 第47-49页 |
| 5.2 基于KPCA字典稀疏表示和SVM的人脸识别算法 | 第49-51页 |
| 5.3 实验仿真及效果分析 | 第51-54页 |
| 5.3.1 特征值数量对人脸识别率的影响 | 第52-53页 |
| 5.3.2 稀疏度对人脸识别率的影响 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录1 程序清单 | 第60-61页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |
