| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 本文研究内容及安排 | 第14-16页 |
| 第2章 稀疏表示理论和相关技术 | 第16-31页 |
| 2.1 稀疏表示理论 | 第16-24页 |
| 2.1.1 稀疏表示模型 | 第16-18页 |
| 2.1.2 常用1-范数求解方法 | 第18-24页 |
| 2.2 稀疏表示用于图像分类 | 第24-26页 |
| 2.3 常见降维方法 | 第26-30页 |
| 2.3.1 特征脸方法 | 第26-28页 |
| 2.3.2 Fisherfaces方法 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于重构样本稀疏表示的图像分类 | 第31-39页 |
| 3.1 Gabor滤波器 | 第31-32页 |
| 3.2 重构测试样本 | 第32-33页 |
| 3.3 实验结果分析 | 第33-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 结合字典对学习与样本重构的稀疏表示应用于人脸图像分类 | 第39-50页 |
| 4.1 引言 | 第39-42页 |
| 4.1.1 稀疏表示应用在字典学习 | 第40-41页 |
| 4.1.2 DPL模型 | 第41-42页 |
| 4.2 结合字典对学习与样本重构的稀疏表示应用于人脸图像分类 | 第42-45页 |
| 4.3 实验结果分析 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-59页 |
| 附录 | 第59-60页 |
| Appendix | 第60页 |