| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究的背景与意义 | 第8-9页 |
| 1.2 人脸识别的研究概况 | 第9-11页 |
| 1.3 人脸识别技术难点 | 第11-12页 |
| 1.4 本文的主要研究内容与结构框架 | 第12-15页 |
| 1.4.1 本文的研究内容 | 第12-13页 |
| 1.4.2 本文的结构框架 | 第13-15页 |
| 第2章 人脸识别的基本理论 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 人脸识别常用数据库 | 第15页 |
| 2.3 人脸图像的检测及预处理 | 第15-21页 |
| 2.3.1 人脸检测 | 第15-16页 |
| 2.3.2 图像预处理 | 第16-21页 |
| 2.4 人脸特征提取 | 第21-24页 |
| 2.5 人脸常用分类器 | 第24-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于优化的压缩感知人脸识别 | 第28-39页 |
| 3.1 压缩感知理论 | 第28页 |
| 3.2 稀疏表示人脸识别的过完备字典 | 第28-29页 |
| 3.3 稀疏算法的求解及分类 | 第29-32页 |
| 3.4 结合特征提取的稀疏表示方法 | 第32-37页 |
| 3.4.1 主成分分析法构造训练字典 | 第32-33页 |
| 3.4.2 实验仿真 | 第33-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 稀疏系数与残差的优化融合 | 第39-50页 |
| 4.1 稀疏系数特性 | 第39-44页 |
| 4.1.1 Extended Yale B人脸库图像的稀疏系数特性 | 第39-41页 |
| 4.1.2 AR人脸数据库中图像的稀疏系数特性 | 第41-44页 |
| 4.2 残差与稀疏系数类内均值的相关性 | 第44-46页 |
| 4.3 稀疏系数与残差融合的最优校验 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 改进的压缩感知人脸识别算法 | 第50-66页 |
| 5.1 非有效测试图像的辨别 | 第50-52页 |
| 5.2 改进的类内均值与残差融合的人脸识别方法 | 第52-54页 |
| 5.3 实验仿真 | 第54-65页 |
| 5.3.1 对光照变化的图像识别鲁棒性 | 第54-59页 |
| 5.3.2 对表情变化的图像识别鲁棒性 | 第59-65页 |
| 5.4 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 在读期间发表论文 | 第72页 |