| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 人脸识别的发展历史 | 第10-12页 |
| 1.2.2 基于稀疏表示的人脸识别研究进展 | 第12-16页 |
| 1.3 人脸识别技术中的难点 | 第16页 |
| 1.4 研究内容 | 第16-17页 |
| 1.5 内容结构 | 第17-19页 |
| 2 人脸识别的相关理论 | 第19-33页 |
| 2.1 压缩感知理论 | 第19-20页 |
| 2.2 基于稀疏表示的人脸识别方法 | 第20-27页 |
| 2.2.1 稀疏表示模型的建立 | 第21-22页 |
| 2.2.2 稀疏表示系数的求解 | 第22-26页 |
| 2.2.3 稀疏表示的分类 | 第26-27页 |
| 2.3 人脸图像的特征降维 | 第27-29页 |
| 2.3.1 下采样法 | 第27-28页 |
| 2.3.2 主成分分析法 | 第28-29页 |
| 2.4 人脸识别中的光照问题 | 第29-31页 |
| 2.4.1 光照分类 | 第29-30页 |
| 2.4.2 朗伯光反射模型 | 第30-31页 |
| 2.4.3 阴影问题 | 第31页 |
| 2.5 本章小结 | 第31-33页 |
| 3 改进的加权稀疏表示人脸识别方法 | 第33-45页 |
| 3.1 加权稀疏表示分类算法 | 第33-34页 |
| 3.2 基于分块处理的图像降维 | 第34-35页 |
| 3.3 改进的加权稀疏表示分类算法 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-43页 |
| 3.4.1 ORL人脸库 | 第37-39页 |
| 3.4.2 FEI人脸库 | 第39-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 基于自商图像和加权稀疏表示的人脸识别方法 | 第45-61页 |
| 4.1 自商图像理论 | 第45-51页 |
| 4.1.1 商图像 | 第45-48页 |
| 4.1.2 Retinex模型 | 第48-49页 |
| 4.1.3 自商图像 | 第49-51页 |
| 4.2 基于自商图像和WSRC_DALM的分类算法 | 第51-52页 |
| 4.3 实验结果与分析 | 第52-59页 |
| 4.3.1 YaleB人脸库 | 第52-55页 |
| 4.3.2 CMU-PIE人脸库 | 第55-59页 |
| 4.4 本章小结 | 第59-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71页 |