| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 人脸识别的发展及其研究现状 | 第10-11页 |
| 1.3 人脸数据库简介 | 第11-12页 |
| 1.3.1 ORL人脸库 | 第11页 |
| 1.3.2 Yale人脸数据库和Extended Yale B人脸数据库 | 第11-12页 |
| 1.3.3 XM2VTS人脸数据库 | 第12页 |
| 1.3.4 JAFFE人脸数据库 | 第12页 |
| 1.3.5 AR人脸数据库 | 第12页 |
| 1.4 本文主要研究工作概述 | 第12-13页 |
| 1.5 本文结构安排 | 第13-15页 |
| 第二章 相关人脸识别方法简介 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 人脸识别方法简介 | 第15-17页 |
| 2.2.1 基于子空间的人脸识别方法 | 第15-16页 |
| 2.2.2 基于纹理特征的人脸识别方法 | 第16页 |
| 2.2.3 基于表示的人脸识别方法 | 第16-17页 |
| 2.3 分类器方法简介 | 第17-18页 |
| 2.3.1 最小距离分类法 | 第17页 |
| 2.3.2 最近邻法 | 第17页 |
| 2.3.3 近邻法 | 第17-18页 |
| 2.4 本文相关算法简介 | 第18-19页 |
| 2.4.1 基于PCA人脸识别方法 | 第18页 |
| 2.4.2 基于SRC人脸识别方法 | 第18-19页 |
| 2.4.3 基于CRC人脸识别方法 | 第19页 |
| 2.4.4 基于LRC人脸识别方法 | 第19页 |
| 2.5 实验测试与分析 | 第19-22页 |
| 2.5.1 ORL人脸库实验 | 第19-21页 |
| 2.5.2 XM2VTS人脸库实验 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于分块多线性主成分分析的人脸识别算法 | 第23-33页 |
| 3.1 引言 | 第23-24页 |
| 3.2 Modular PCA | 第24-26页 |
| 3.3 Multilinear PCA算法 | 第26-27页 |
| 3.3.1 多线性代数理论 | 第26页 |
| 3.3.2 Multilinear PCA算法实现 | 第26-27页 |
| 3.4 分块多线性主成分分析 | 第27-28页 |
| 3.5 实验结果与分析 | 第28-32页 |
| 3.5.1 图像分块处理 | 第29页 |
| 3.5.2 Yale人脸数据库上实验 | 第29-30页 |
| 3.5.3 XM2VTS人脸数据库上实验 | 第30-31页 |
| 3.5.4 JAFFE人脸数据库上实验 | 第31-32页 |
| 3.5.5 特征提取时间分析 | 第32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 基于Shearlet_ULBP特征的协作表示人脸识别算法 | 第33-45页 |
| 4.1 引言 | 第33-34页 |
| 4.2 Shearlet_ULBP特征的提取 | 第34-37页 |
| 4.2.1 Shearlet变换 | 第36页 |
| 4.2.2 平均融合 | 第36页 |
| 4.2.3 均匀模式LBP | 第36-37页 |
| 4.2.4 分块的思想 | 第37页 |
| 4.3 基于Shearlet_ULBP特征的协作表示人脸识别算法 | 第37-39页 |
| 4.3.1 稀疏表示分类方法 | 第38页 |
| 4.3.2 基于Shearlet_ULBP特征的协作表示人脸识别算法 | 第38-39页 |
| 4.4 实验结果与分析 | 第39-43页 |
| 4.4.1 无遮挡人脸图像上的实验 | 第40-41页 |
| 4.4.2 在有遮挡人脸数据库上实验 | 第41-43页 |
| 4.4.3 实验运行时间比较分析 | 第43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 基于不相关字典的低秩稀疏表示人脸识别算法 | 第45-63页 |
| 5.1 引言 | 第45-46页 |
| 5.2 相关工作 | 第46-48页 |
| 5.2.1 低秩表示方法 | 第46-47页 |
| 5.2.2 半监督低秩稀疏表示算法 | 第47页 |
| 5.2.3 不相关字典学习 | 第47-48页 |
| 5.3 基于不相关字典的低秩稀疏表示人脸识别算法 | 第48-50页 |
| 5.3.1 算法主要思想 | 第48页 |
| 5.3.2 分类方法 | 第48页 |
| 5.3.3 算法优化方法及算法流程图 | 第48-50页 |
| 5.4 与上节提出算法相关方法比较讨论 | 第50-56页 |
| 5.4.1 低秩和稀疏的表示方法（LRRS） | 第50-52页 |
| 5.4.2 保持类内块结构的鲁棒表示方法（RCBD） | 第52-53页 |
| 5.4.3 鉴别性低秩字典稀疏表示方法（DLRD_SR） | 第53-56页 |
| 5.5 实验结果与分析 | 第56-62页 |
| 5.5.1 ORL人脸数据库上实验 | 第57-58页 |
| 5.5.2 Extended Yale B人脸数据库上实验 | 第58-59页 |
| 5.5.3 AR人脸数据库上实验 | 第59-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第六章 主要结论与展望 | 第63-65页 |
| 6.1 主要结论 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录: 作者在攻读硕士学位期间完成的论文 | 第70页 |
