基于稀疏理论的单样本人脸识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| ·研究的背景及意义 | 第9-10页 |
| ·研究的国内外现状 | 第10-12页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文的章节安排 | 第13-14页 |
| 2 图像的稀疏表征基本理论和方法 | 第14-25页 |
| ·引言 | 第14页 |
| ·图像的稀疏表征基本理论 | 第14-17页 |
| ·Lasso和Elastic Net | 第17-19页 |
| ·Lasso | 第17-18页 |
| ·Elastic Net | 第18-19页 |
| ·基于图像的稀疏表征理论的一些应用 | 第19-24页 |
| ·稀疏主成分分析 | 第19-20页 |
| ·稀疏判别分析 | 第20-21页 |
| ·稀疏保局投影 | 第21-22页 |
| ·稀疏保局判别分析 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 单样本人脸识别 | 第25-36页 |
| ·引言 | 第25页 |
| ·单样本人脸识别的挑战 | 第25-28页 |
| ·单样本人脸识别方法 | 第28-34页 |
| ·全局方法 | 第29-32页 |
| ·局部方法 | 第32-33页 |
| ·混合方法 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 4 基于稀疏表征的单样本人脸识别 | 第36-59页 |
| ·引言 | 第36页 |
| ·稀疏表征分类器SRC | 第36-42页 |
| ·SRC的介绍 | 第36-38页 |
| ·SRC与NN及NS的关系 | 第38-42页 |
| ·增加冗余样本的方法 | 第42-46页 |
| ·Shift方法 | 第42-43页 |
| ·PCA重构方法 | 第43-44页 |
| ·镜像对称法 | 第44-45页 |
| ·下采样方法 | 第45-46页 |
| ·实验结果 | 第46-58页 |
| ·ORL上的实验结果 | 第46-52页 |
| ·Yale上的实验结果 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 5 基于半监督稀疏表征的单样本人脸识别 | 第59-69页 |
| ·引言 | 第59-60页 |
| ·线性判别分析和保局投影 | 第60-62页 |
| ·线性判别分析 | 第60-61页 |
| ·保局投影 | 第61-62页 |
| ·判别保局投影 | 第62-63页 |
| ·半监督的稀疏判别保局投影 | 第63-65页 |
| ·目标函数中的权重矩阵 | 第63-64页 |
| ·半监督的稀疏判别保局投影 | 第64-65页 |
| ·实验结果 | 第65-68页 |
| ·ORL上的实验结果 | 第66-67页 |
| ·Yale上的实验结果 | 第67-68页 |
| ·分析与讨论 | 第68页 |
| ·本章小结 | 第68-69页 |
| 6 总结及展望 | 第69-71页 |
| ·本文的工作总结 | 第69-70页 |
| ·今后的工作展望 | 第70-71页 |
| 参考文献 | 第71-78页 |
| 附录 英文缩写对应全称 | 第78-80页 |
| 攻读硕士学位期间主要的研究成果 | 第80-81页 |
| 致谢 | 第81-83页 |
