| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 符号说明 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究进展 | 第14-16页 |
| 1.3 稀疏编码存在问题及本文创新点 | 第16-17页 |
| 1.4 本文结构安排 | 第17-19页 |
| 第二章 稀疏编码理论 | 第19-26页 |
| 2.1 稀疏编码基本理论 | 第19-20页 |
| 2.2 稀疏编码分类常用模型 | 第20-26页 |
| 2.2.1 SRC模型 | 第20-23页 |
| 2.2.2 RSC模型 | 第23-26页 |
| 第三章 Contourlet变换域的稀疏编码方法研究 | 第26-35页 |
| 3.1 引言 | 第26-27页 |
| 3.2 Contourlet变换 | 第27-29页 |
| 3.3 基于Contourlet变换的稀疏表示人脸识别 | 第29-31页 |
| 3.4 仿真结果 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于较大编码系数强化的稀疏编码方法 | 第35-50页 |
| 4.1 引言 | 第35页 |
| 4.2 基于较大编码系数强化的稀疏编码算法 | 第35-42页 |
| 4.3 实验仿真研究 | 第42-48页 |
| 4.3.1 参数选择 | 第43-45页 |
| 4.3.2 无外界环境遮挡的测试结果 | 第45-47页 |
| 4.3.3 存在外界环境遮挡脸部的测试结果 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 稀疏表示系数为特征的分类器人脸识别 | 第50-67页 |
| 5.1 支持向量机分类模型 | 第50-57页 |
| 5.1.1 线性支持向量机 | 第50-52页 |
| 5.1.2 非线性支持向量机 | 第52-57页 |
| 5.2 神经网络分类模型 | 第57-63页 |
| 5.2.1 人工神经网络的基本原理 | 第57-59页 |
| 5.2.2 BP神经网络分类器 | 第59-63页 |
| 5.3 稀疏表示系数为特征的两种分类器人脸识别 | 第63-64页 |
| 5.4 实验结果 | 第64-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 硕士学位期间申请的专利和参加的项目 | 第76-77页 |
| 学位论文评阅及答辩情况表 | 第77页 |