基于字典学习的人脸识别关键技术的研究
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究动态 | 第12-15页 |
| 1.3 本文的研究内容与组织结构 | 第15-17页 |
| 第二章 稀疏表示与核稀疏表示的基本理论 | 第17-29页 |
| 2.1 稀疏表示 | 第17-21页 |
| 2.1.1 稀疏表示的模型 | 第17-18页 |
| 2.1.2 稀疏表示的求解方法 | 第18-21页 |
| 2.2 核方法 | 第21-24页 |
| 2.2.1 核方法的基本理论 | 第21-23页 |
| 2.2.2 常用核函数 | 第23-24页 |
| 2.2.3 核方法的相关计算 | 第24页 |
| 2.3 核稀疏表示 | 第24-28页 |
| 2.3.1 核稀疏表示模型 | 第25-26页 |
| 2.3.2 核稀疏分类 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于Power核的多核人脸识别算法 | 第29-43页 |
| 3.1 引言 | 第29-30页 |
| 3.2 人脸预处理 | 第30-32页 |
| 3.2.1 人脸直方图均衡化 | 第30-31页 |
| 3.2.2 人脸几何归一化 | 第31-32页 |
| 3.3 基于多核KPCA的人脸识别算法 | 第32-37页 |
| 3.3.1 核主成分分析算法 | 第32-33页 |
| 3.3.2 最近邻法分类器 | 第33-34页 |
| 3.3.3 算法的设计和创新 | 第34-35页 |
| 3.3.4 实验结果及分析 | 第35-37页 |
| 3.4 基于多核稀疏分类的人脸识别算法 | 第37-42页 |
| 3.4.1 主成分分析算法 | 第37-39页 |
| 3.4.2 算法的设计和创新 | 第39-40页 |
| 3.4.3 实验结果及分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于字典学习的人脸识别算法 | 第43-50页 |
| 4.1 引言 | 第43-44页 |
| 4.2 基于Fisher判别的字典学习算法 | 第44-47页 |
| 4.2.1 判别保真项 | 第44-45页 |
| 4.2.2 判别系数项 | 第45-46页 |
| 4.2.3 优化求解 | 第46-47页 |
| 4.3 算法的设计和创新 | 第47-48页 |
| 4.4 实验结果及分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| 5.1 全文总结 | 第50页 |
| 5.2 研究展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 附录 | 第57页 |
