| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·人脸识别的研究背景及意义 | 第9-11页 |
| ·人脸识别技术 | 第9-10页 |
| ·人脸识别技术的历史回顾 | 第10-11页 |
| ·压缩感知人脸识别研究的意义 | 第11页 |
| ·人脸识别常用数据库 | 第11-14页 |
| ·人脸识别的前景 | 第14-16页 |
| ·人脸识别的发展趋势 | 第14-15页 |
| ·人脸识别的应用领域 | 第15-16页 |
| ·本文的研究内容和结构安排 | 第16-18页 |
| 第2章 子空间特征提取方法 | 第18-33页 |
| ·引言 | 第18页 |
| ·PCA算法概述 | 第18-25页 |
| ·PCA概念 | 第18-20页 |
| ·PCA原理 | 第20-21页 |
| ·PCA人脸识别建模 | 第21-22页 |
| ·PCA算法实现过程 | 第22-24页 |
| ·PCA算法对ORL人脸数据库的识别率 | 第24-25页 |
| ·PCA算法的优缺点 | 第25页 |
| ·LDA算法概述 | 第25-31页 |
| ·LDA算法的概念 | 第26页 |
| ·LDA算法基本原理 | 第26-29页 |
| ·基于LDA算法的人脸识别实现 | 第29-30页 |
| ·实验结果分析 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 压缩感知人脸识别方法 | 第33-51页 |
| ·压缩感知与稀疏表示 | 第33-34页 |
| ·稀疏表示的概念 | 第33-34页 |
| ·稀疏表示的优点 | 第34页 |
| ·压缩感知理论框架 | 第34-41页 |
| ·测量矩阵 | 第35-36页 |
| ·重建算法 | 第36-38页 |
| ·几种恢复方法 | 第38-41页 |
| ·压缩感知人脸识别算法 | 第41-50页 |
| ·基于稀疏表示的分类 | 第43-44页 |
| ·结合特征提取的稀疏表示方法 | 第44-45页 |
| ·稀疏表示分类器对遮挡的鲁棒性 | 第45页 |
| ·基于压缩感知的人脸识别实验 | 第45-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 两阶段稀疏表示人脸识别算法 | 第51-75页 |
| ·两阶段稀疏表示方法 | 第51-54页 |
| ·两阶段稀疏表示方法的第一个阶段 | 第51-52页 |
| ·两阶段稀疏表示方法的第二个阶段 | 第52-54页 |
| ·两阶段稀疏表示方法的分析 | 第54-58页 |
| ·两阶段稀疏表示方法同其它方法的比较 | 第54页 |
| ·可能性解释 | 第54-58页 |
| ·基于两阶段稀疏表示方法的实验 | 第58-68页 |
| ·两阶段稀疏表示方法对ORL数据库图像的识别率实验 | 第59-63页 |
| ·两阶段稀疏表示方法与LDA的算法优缺点比较 | 第63-64页 |
| ·测试样本加噪后的两阶段人脸识别算法 | 第64-68页 |
| ·基于改进人脸库的两阶段人脸识别算法 | 第68-73页 |
| ·本章小结 | 第73-75页 |
| 第5章 总结与展望 | 第75-77页 |
| ·本文工作总结 | 第75页 |
| ·研究展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 攻读学位期间参加科研项目情况 | 第80-81页 |
| 致谢 | 第81-82页 |
| 研究生履历 | 第82页 |