| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 课题研究的背景与意义 | 第8-12页 |
| 1.1.1 生物识别技术的发展 | 第8-10页 |
| 1.1.2 人脸识别简介 | 第10-12页 |
| 1.2 人脸识别研究的动态 | 第12-16页 |
| 1.2.1 人脸识别系统组成 | 第12-14页 |
| 1.2.2 人脸识别技术的发展 | 第14-16页 |
| 1.3 深度神经网络简介 | 第16-17页 |
| 1.4 本文所做的工作 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 人脸识别中的常用算法 | 第19-28页 |
| 2.1 PCA算法的介绍及其在人脸识别中的应用 | 第19-24页 |
| 2.1.1 PCA简介 | 第19页 |
| 2.1.2 PCA的数学模型 | 第19-20页 |
| 2.1.3 主成分的几何上的解释 | 第20-21页 |
| 2.1.4 PCA算法的分析和推导过程 | 第21-23页 |
| 2.1.5 PCA方法在人脸识别中的应用 | 第23-24页 |
| 2.2 SVM方法的介绍及在人脸识别中的应用 | 第24-27页 |
| 2.2.1 SVM简介 | 第24页 |
| 2.2.2 SVM算法分析及推导过程 | 第24-27页 |
| 2.3 本章小节 | 第27-28页 |
| 第三章 融合小波变换与低秩矩阵恢复的图像去噪算法 | 第28-36页 |
| 3.1 小波阈值去噪算法 | 第28-29页 |
| 3.1.1 小波阈值去噪算法原理 | 第28-29页 |
| 3.1.2 基于阈值的小波去噪算法的缺点 | 第29页 |
| 3.2 融合小波变换与低秩矩阵恢复的图像去噪算法 | 第29-32页 |
| 3.2.1 算法思想 | 第29页 |
| 3.2.2 低秩矩阵恢复算法 | 第29-32页 |
| 3.2.3 融合小波变换与低秩矩阵恢复的图像去噪算法流程 | 第32页 |
| 3.3 实验分析 | 第32-35页 |
| 3.4 本章小节 | 第35-36页 |
| 第四章 基于低秩恢复与深度神经网络的人脸识别算法 | 第36-49页 |
| 4.1 LRMR算法在人脸图像预处理中的应用 | 第36-38页 |
| 4.2 CSLBP纹理介绍 | 第38-39页 |
| 4.3 基于低秩恢复与深度神经网络的人脸识别算法 | 第39-45页 |
| 4.3.1 常用深度网络模型介绍 | 第40-44页 |
| 4.3.2 Softmax回归模型 | 第44-45页 |
| 4.3.4 本文算法流程 | 第45页 |
| 4.4 实验分析 | 第45-48页 |
| 4.5 本章小节 | 第48-49页 |
| 第五章 总结展望 | 第49-50页 |
| 5.1 研究总结 | 第49页 |
| 5.2 技术展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间的研究成果 | 第54-55页 |