人脸识别的特征提取与恢复算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究的背景和意义 | 第10-13页 |
| ·人脸识别技术的研究现状与展望 | 第13-16页 |
| ·研究现状与应用 | 第13-14页 |
| ·主流算法 | 第14-16页 |
| ·课题的来源及研究内容 | 第16-18页 |
| ·课题来源 | 第16页 |
| ·课题的主要研究内容 | 第16-18页 |
| 第2章 特征提取和分类 | 第18-25页 |
| ·类别可分性判据 | 第18-20页 |
| ·特征提取 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 全局加权稀疏局部保留投影 | 第25-35页 |
| ·引言 | 第25页 |
| ·稀疏保留投影算法 | 第25-26页 |
| ·全局加权局部稀疏保留投影 | 第26-29页 |
| ·全局加权稀疏局部保留投影算法的提出 | 第26页 |
| ·全局加权稀疏局部保留投影 | 第26-28页 |
| ·全局加权稀疏局部保留投影算法的设计步骤 | 第28-29页 |
| ·实验结果与分析 | 第29-34页 |
| ·FERET 人脸库实验 | 第29-31页 |
| ·YALE 人脸库实验 | 第31-32页 |
| ·JAFFE 人脸库实验 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 代价敏感学习的稀疏局部保留投影算法 | 第35-44页 |
| ·引言 | 第35页 |
| ·代价敏感学习算法 | 第35-36页 |
| ·基于代价敏感学习的稀疏局部保留投影 | 第36-39页 |
| ·基于代价敏感学习的稀疏局部保留投影算法的提出 | 第36-37页 |
| ·基于代价敏感学习的稀疏局部保留投影算法的描述 | 第37-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·四种分类器的识别结果 | 第39-41页 |
| ·不同人脸库的实验 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 基于压缩感知的人脸图像恢复问题 | 第44-56页 |
| ·引言 | 第44页 |
| ·压缩感知理论和增广拉格朗日方法 | 第44-45页 |
| ·基于压缩感知的人脸图像恢复算法 | 第45-51页 |
| ·基于压缩感知的人脸图像恢复算法的提出 | 第45-46页 |
| ·特征设计 | 第46-48页 |
| ·协同的稀疏测量 | 第48-51页 |
| ·实验结果与分析 | 第51-55页 |
| ·图像恢复效果实验 | 第51-53页 |
| ·四种算法实验结果 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间所发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
