| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-17页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 人脸识别过程 | 第8-12页 |
| 1.2.1 人脸检测与定位 | 第8-9页 |
| 1.2.2 人脸特征提取 | 第9-11页 |
| 1.2.3 人脸特征识别 | 第11-12页 |
| 1.3 经典人脸数据库介绍 | 第12-13页 |
| 1.4 本文主要研究工作 | 第13-14页 |
| 1.5 本文组织结构 | 第14-17页 |
| 第二章 基于主成分分析的特征提取 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 主成分分析算法 | 第17-18页 |
| 2.3 加权的主成分分析算法 | 第18-19页 |
| 2.3.1 加权主成分分析 (W-PCA) | 第18-19页 |
| 2.3.2 稀疏加权主成分分析 (SW-PCA) | 第19页 |
| 2.4 实验结果与分析 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于稀疏表示的特征提取 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 邻域保持嵌入 | 第23-24页 |
| 3.3 稀疏保持投影 | 第24页 |
| 3.4 加权稀疏邻域保持投影 | 第24-26页 |
| 3.4.1 构建稀疏重构权重矩阵 | 第25-26页 |
| 3.4.2 重构保持投影 | 第26页 |
| 3.5 实验结果与分析 | 第26-30页 |
| 3.5.1 AR人脸数据库 | 第27-28页 |
| 3.5.2 Yale B人脸数据库 | 第28-29页 |
| 3.5.3 ORL人脸数据库 | 第29-30页 |
| 3.6 本章小结 | 第30-32页 |
| 第四章 基于聚类和判别稀疏表示的特征提取 | 第32-39页 |
| 4.1 引言 | 第32页 |
| 4.2 边缘最大化准则 | 第32-33页 |
| 4.3 基于聚类的判别加权稀疏表示 | 第33-35页 |
| 4.3.1 聚类 | 第33-34页 |
| 4.3.2 构建稀疏重构权重矩阵 | 第34页 |
| 4.3.3 判别重构保持投影 | 第34-35页 |
| 4.4 实验结果与分析 | 第35-38页 |
| 4.4.1 人工数据集 | 第35-36页 |
| 4.4.2 人脸数据库 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 基于判别协同表示的特征提取 | 第39-55页 |
| 5.1 引言 | 第39-40页 |
| 5.2 协同表示 | 第40页 |
| 5.3 基于协同表示的判别投影 | 第40-44页 |
| 5.3.1 最近邻判别投影 (DPNN) | 第40-41页 |
| 5.3.2 协同表示判别投影 (DPCR) | 第41-43页 |
| 5.3.3 最优协同表示判别投影 (O-DPCR) | 第43-44页 |
| 5.3.4 复杂度分析 | 第44页 |
| 5.4 实验结果与分析 | 第44-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第六章 基于稀疏表示的分类器 | 第55-59页 |
| 6.1 引言 | 第55页 |
| 6.2 稀疏表示分类器 | 第55-56页 |
| 6.3 样本加权的稀疏表示分类器 | 第56-57页 |
| 6.3.1 构建样本权重矩阵 | 第56页 |
| 6.3.2 加权稀疏表示分类 | 第56-57页 |
| 6.4 实验结果与分析 | 第57-58页 |
| 6.5 本章小结 | 第58-59页 |
| 第七章 总结与展望 | 第59-61页 |
| 7.1 研究内容总结 | 第59-60页 |
| 7.2 下一步工作 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间的主要成果 | 第66-67页 |
| 致谢 | 第67页 |