基于压缩感知理论的人脸识别算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 课题的研究背景与意义 | 第7页 |
| 1.2 人脸识别技术简介 | 第7-11页 |
| 1.2.1 人脸识别技术的研究现状 | 第7-9页 |
| 1.2.2 人脸识别技术面临的挑战 | 第9页 |
| 1.2.3 人脸数据库 | 第9-11页 |
| 1.3 本文的主要内容及章节安排 | 第11-12页 |
| 第2章 经典人脸识别方法及关键算法 | 第12-18页 |
| 2.1 经典人脸识别方法 | 第12-13页 |
| 2.2 特征提取算法 | 第13-16页 |
| 2.2.1 基于统计的特征提取方法 | 第14-16页 |
| 2.2.2 基于知识的特征提取方法 | 第16页 |
| 2.3 分类识别方法 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 压缩感知理论及其应用 | 第18-24页 |
| 3.1 信号的稀疏表示 | 第18-19页 |
| 3.2 测量矩阵 | 第19-20页 |
| 3.3 信号重构 | 第20-22页 |
| 3.4 压缩感知理论的应用前景 | 第22-23页 |
| 3.5 本章小结 | 第23-24页 |
| 第4章 基于稀疏表示人脸识别算法的改进与仿真 | 第24-37页 |
| 4.1 基于稀疏表示的人脸识别算法 | 第24-27页 |
| 4.2 SRC算法的改进 | 第27-31页 |
| 4.2.1 分块算法的改进 | 第27页 |
| 4.2.2 改进的随机测量矩阵 | 第27-29页 |
| 4.2.3 信号重构算法的改进 | 第29-31页 |
| 4.3 算法仿真 | 第31-35页 |
| 4.3.1 实验数据库 | 第31-33页 |
| 4.3.2 实验环境及参数设置 | 第33页 |
| 4.3.3 实验结果与分析 | 第33-35页 |
| 4.4 本章小结 | 第35-37页 |
| 第5章 总结与展望 | 第37-38页 |
| 5.1 本文工作总结 | 第37页 |
| 5.2 研究展望 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 在读期间发表的学术论文及研究成果 | 第41-42页 |
| 致谢 | 第42页 |
