| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 专用术语注释表 | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究目的与意义 | 第11页 |
| 1.2 人脸性别识别研究现状 | 第11-15页 |
| 1.2.1 人脸性别特征提取研究现状 | 第12-14页 |
| 1.2.2 人脸性别识别方法研究现状 | 第14-15页 |
| 1.3 常用人脸库 | 第15-16页 |
| 1.4 本文研究内容 | 第16-18页 |
| 1.5 论文结构 | 第18-19页 |
| 第二章 常用的人脸性别识别方法 | 第19-29页 |
| 2.1 常用的人脸特征提取方法 | 第19-25页 |
| 2.1.1 基于主成分分析方法 | 第19-21页 |
| 2.1.2 基于局部二值模式的方法 | 第21-23页 |
| 2.1.3 基于 2D-Gabor小波的方法 | 第23-25页 |
| 2.2 常用的人脸性别分类方法 | 第25-28页 |
| 2.2.1 基于支持向量机的分类方法 | 第25-27页 |
| 2.2.2 基于Adaboost算法的分类方法 | 第27-28页 |
| 本章小结 | 第28-29页 |
| 第三章 基于单特征和类字典的稀疏人脸性别识别方法 | 第29-44页 |
| 3.1 基于宏字典的稀疏人脸性别识别方法 | 第29-33页 |
| 3.1.1 基于宏字典的人脸稀疏表示 | 第30页 |
| 3.1.2 稀疏表示向量的求解 | 第30-31页 |
| 3.1.3 分类规则 | 第31-33页 |
| 3.2 基于类字典的稀疏人脸性别识别改进方法 | 第33-34页 |
| 3.3 实验结果和分析 | 第34-43页 |
| 本章小结 | 第43-44页 |
| 第四章 基于特征融合和类字典学习的新型稀疏人脸性别识别 | 第44-65页 |
| 4.1 特征融合 | 第44-46页 |
| 4.1.1 等权组合法 | 第44-45页 |
| 4.1.2 最小方差组合法 | 第45-46页 |
| 4.1.3 归一化级联法 | 第46页 |
| 4.2 类字典学习算法 | 第46-52页 |
| 4.2.1 MOD算法 | 第47-48页 |
| 4.2.2 K-SVD算法 | 第48-49页 |
| 4.2.3 RLS-DLA算法 | 第49-52页 |
| 4.3 稀疏识别问题的求解算法 | 第52-56页 |
| 4.3.1 基追踪算法 | 第52-54页 |
| 4.3.2 匹配追踪算法 | 第54-55页 |
| 4.3.3 正交匹配追踪算法 | 第55-56页 |
| 4.4 本文方法的系统框架 | 第56-57页 |
| 4.5 实验结果和分析 | 第57-64页 |
| 4.5.1 特征融合比较实验 | 第58-59页 |
| 4.5.2 类字典学习算法比较实验 | 第59-61页 |
| 4.5.3 稀疏识别问题的核心求解算法比较实验 | 第61-62页 |
| 4.5.4 本文方法与SVM的比较实验 | 第62-64页 |
| 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65-66页 |
| 5.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第70-71页 |
| 附录2 攻读硕士学位期间申请的专利 | 第71-72页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第72-73页 |
| 致谢 | 第73页 |