| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-19页 |
| ·人脸识别背景和意义 | 第12页 |
| ·人脸识别流程 | 第12-13页 |
| ·单样本人脸识别的主要方法 | 第13-17页 |
| ·图像增强法 | 第13-14页 |
| ·训练样本虚拟法 | 第14-15页 |
| ·特征子空间扩展法 | 第15-16页 |
| ·局部特征区域方法 | 第16-17页 |
| ·三维方法 | 第17页 |
| ·本文主要工作和结构 | 第17-19页 |
| 第二章 多姿态单图像人脸识别 | 第19-26页 |
| ·引言 | 第19页 |
| ·虚拟图像 | 第19-20页 |
| ·不同姿态图像的合成 | 第19-20页 |
| ·训练集的扩张方法 | 第20页 |
| ·算法与人脸识别模型 | 第20-22页 |
| ·小波变换 | 第20-21页 |
| ·二维主成分分析 | 第21-22页 |
| ·模式分类 | 第22页 |
| ·人脸识别流程 | 第22页 |
| ·实验与分析 | 第22-25页 |
| ·混合人脸图像训练集实验 | 第23-24页 |
| ·标准人脸图像训练集实验 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 基于 LGBP 和互信息的单图像人脸识别 | 第26-37页 |
| ·引言 | 第26页 |
| ·二维 Gabor 小波变换 | 第26-28页 |
| ·LBP | 第28-30页 |
| ·纹理 | 第28页 |
| ·基本的 LBP 算子 | 第28-30页 |
| ·图像互信息 | 第30-32页 |
| ·信息熵 | 第30页 |
| ·互信息 | 第30-31页 |
| ·直方图 | 第31页 |
| ·图像互信息 | 第31-32页 |
| ·识别算法描述 | 第32-33页 |
| ·LGBP 图谱提取 | 第32页 |
| ·算法描述 | 第32-33页 |
| ·实验数据与分析 | 第33-36页 |
| ·人脸数据库及参数设置 | 第33-34页 |
| ·实验结果与分析 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第四章 单图像重采样子空间 | 第37-46页 |
| ·引言 | 第37页 |
| ·单图像重采样子空间 | 第37-43页 |
| ·重采样 | 第37-38页 |
| ·构造重采样子空间 | 第38-39页 |
| ·子空间相似度的度量 | 第39-40页 |
| ·人脸识别模型 | 第40-43页 |
| ·实验结果与分析 | 第43-45页 |
| ·实验数据库 | 第43页 |
| ·实验数据与分析 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第五章 模糊推理 kNN 及其在单样本人脸识别中的应用 | 第46-56页 |
| ·引言 | 第46页 |
| ·相关工作 | 第46-47页 |
| ·Crisp kNN | 第46-47页 |
| ·Fuzzy kNN | 第47页 |
| ·模糊推理 kNN 算法 | 第47-50页 |
| ·模糊推理 | 第47-48页 |
| ·专家知识表示 | 第48-49页 |
| ·模糊推理 kNN | 第49-50页 |
| ·基于核的模糊推理 kNN | 第50-52页 |
| ·内积与核函数 | 第50页 |
| ·核 FI-kNN | 第50-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·UCI 数据集实验 | 第52-53页 |
| ·FI-kNN 在单样本人脸识别中的应用 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 在学期间的研究成果及发表的学术论文 | 第64页 |