| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 课题背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.3 本文研究内容 | 第19-20页 |
| 1.4 本文主要贡献和章节安排 | 第20-23页 |
| 第2章 稀疏表示理论及其研究进展 | 第23-32页 |
| 2.1 引言 | 第23-24页 |
| 2.2 协同表示 | 第24-25页 |
| 2.3 稀疏表示理论 | 第25-27页 |
| 2.4 结构稀疏分类 | 第27-28页 |
| 2.5 块加权全局稀疏表示算法 | 第28-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 基于全局稀疏表示的图像识别算法 | 第32-53页 |
| 3.1 引言 | 第32-33页 |
| 3.2 基于近邻类加权块稀疏表示的图像识别算法 | 第33-43页 |
| 3.2.1 子空间学习 | 第34页 |
| 3.2.2 近邻类选择 | 第34-35页 |
| 3.2.3 WNNCBSR算法描述 | 第35-37页 |
| 3.2.4 实验仿真及结果分析 | 第37-42页 |
| 3.2.5 性能评价 | 第42-43页 |
| 3.3 基于分辨性分解结构稀疏表示遮挡人脸识别算法 | 第43-52页 |
| 3.3.1 分辨性分解模型 | 第43-46页 |
| 3.3.2 DD-SSR算法描述 | 第46-47页 |
| 3.3.3 实验仿真及结果分析 | 第47-51页 |
| 3.3.4 性能评价 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 局部扩展加权的欠完备鲁棒人脸识别算法 | 第53-77页 |
| 4.1 引言 | 第53-54页 |
| 4.2 基于块FISHER判别的稀疏表示鲁棒人脸识别 | 第54-61页 |
| 4.2.1 图像分块及选取方案 | 第54-55页 |
| 4.2.2 块Fisher判别表示 | 第55-56页 |
| 4.2.3 实验仿真及结果分析 | 第56-61页 |
| 4.2.4 性能评价 | 第61页 |
| 4.3 双层稀疏表示人脸识别 | 第61-66页 |
| 4.3.1 算法描述 | 第62-63页 |
| 4.3.2 实验仿真及结果分析 | 第63-66页 |
| 4.3.3 性能评价 | 第66页 |
| 4.4 基于FISHER判别和稀疏残差的分块加权稀疏表示人脸识别 | 第66-76页 |
| 4.4.1 块权重 | 第66-68页 |
| 4.4.2 全局加权稀疏表示 | 第68-69页 |
| 4.4.3 实验仿真及结果分析 | 第69-76页 |
| 4.4.4 性能评价 | 第76页 |
| 4.5 本章小结 | 第76-77页 |
| 第5章 基于无遮挡训练样本的像素级遮挡检测鲁棒图像识别算法 | 第77-97页 |
| 5.1 引言 | 第77-78页 |
| 5.2 基于稀疏表示的像素级遮挡检测人脸识别 | 第78-89页 |
| 5.2.1 算法描述 | 第78-80页 |
| 5.2.2 实验仿真及结果分析 | 第80-88页 |
| 5.2.3 性能评价 | 第88-89页 |
| 5.3 基于块递推残差分析的双层稀疏表示分类算法 | 第89-95页 |
| 5.3.1 算法描述 | 第89-91页 |
| 5.3.2 实验仿真及结果分析 | 第91-95页 |
| 5.3.3 性能评价 | 第95页 |
| 5.4 本章小结 | 第95-97页 |
| 第6章 核块稀疏表示分类算法 | 第97-110页 |
| 6.1 引言 | 第97-98页 |
| 6.2 核技巧 | 第98-100页 |
| 6.3 KBSRC | 第100页 |
| 6.4 实验仿真及结果分析 | 第100-108页 |
| 6.4.1 参数选择 | 第100-102页 |
| 6.4.2 AR数据库无遮挡人脸识别 | 第102-103页 |
| 6.4.3 不同时期样本的人脸识别 | 第103-104页 |
| 6.4.4 遮挡人脸识别 | 第104-106页 |
| 6.4.5 ORL数据库人脸识别 | 第106-107页 |
| 6.4.6 Extended Yale B数据库人脸识别 | 第107-108页 |
| 6.5 本章小结 | 第108-110页 |
| 结论 | 第110-112页 |
| 参考文献 | 第112-122页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第122-124页 |
| 致谢 | 第124-125页 |
