| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 人脸识别的优势和相关资源 | 第10-13页 |
| 1.2.1 人脸识别的优势 | 第10-11页 |
| 1.2.2 人脸识别相关资源 | 第11-12页 |
| 1.2.3 人脸识别算法性能评价指标 | 第12-13页 |
| 1.3 人脸识别研究内容及存在的问题 | 第13-18页 |
| 1.3.1 人脸识别技术的研究内容 | 第13-14页 |
| 1.3.2 存在的问题 | 第14-15页 |
| 1.3.3 国内外研究现状 | 第15-18页 |
| 1.4 本文的研究内容及思路 | 第18页 |
| 1.5 论文结构安排 | 第18-20页 |
| 第2章 人脸图像的预处理及归一化处理 | 第20-32页 |
| 2.1 人脸图像预处理 | 第20-25页 |
| 2.1.1 灰度变换 | 第20-21页 |
| 2.1.2 直方图均衡化 | 第21-23页 |
| 2.1.3 图像滤波 | 第23-25页 |
| 2.2 基于Sobel算子的人脸图像的归一化处理 | 第25-31页 |
| 2.2.1 边缘检测和定位 | 第26-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于Gabor小波和LBP方法的特征提取 | 第32-42页 |
| 3.1 Gabor小波 | 第32-35页 |
| 3.1.1 联合时间-频率分析和Gabor函数 | 第32-33页 |
| 3.1.2 人脸图像的Gabor表示 | 第33-35页 |
| 3.2 一致性分块局部二值模式 | 第35-40页 |
| 3.2.1 局部二值模式 | 第35-38页 |
| 3.2.2 改进的局部二值模式算子 | 第38-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第4章 基于稀疏表示和协同稀疏表示的人脸识别方法 | 第42-50页 |
| 4.1 人脸图像的稀疏表示 | 第42-46页 |
| 4.1.1 人脸图像的稀疏表示模型 | 第42-43页 |
| 4.1.2 稀疏表示系数的求解 | 第43-44页 |
| 4.1.3 稀疏表示分类规则 | 第44-46页 |
| 4.2 人脸图像的协同稀疏表示 | 第46-47页 |
| 4.3 基于协同稀疏表示的分类方式（CRC方法） | 第47-48页 |
| 4.4 基于分块的CRC方法 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于局部特征的协同稀疏表示人脸识别 | 第50-59页 |
| 5.1 引言 | 第50页 |
| 5.2 基于Gabor小波特征的协同稀疏表示人脸识别 | 第50-51页 |
| 5.3 基于一致性二值模式特征的协同稀疏表示人脸识别 | 第51-52页 |
| 5.4 人脸库实验及分析 | 第52-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 文章总结 | 第59页 |
| 6.2 文章展望 | 第59-61页 |
| 参考 文献 | 第61-66页 |
| 攻读学位期间的研究成果 | 第66-67页 |
| 致谢 | 第67页 |