| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 第2章 基于稀疏表示的人脸识别算法简介 | 第17-25页 |
| 2.1 稀疏表示理论基础 | 第17-18页 |
| 2.2 稀疏表示人脸识别算法的关键步骤 | 第18-24页 |
| 2.2.1 字典初始化方法 | 第18-22页 |
| 2.2.2 稀疏系数求解 | 第22页 |
| 2.2.3 判别准则 | 第22-24页 |
| 2.3 算法特点及改进思路 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于LBHOG特征字典初始化的稀疏表示人脸识别 | 第25-35页 |
| 3.1 HOG梯度特征提取算法 | 第25-27页 |
| 3.1.1 基本原理 | 第25-26页 |
| 3.1.2 HOG算法的梯度计算公式 | 第26-27页 |
| 3.2 基于LBP与B样条改进的HOG特征的稀疏表示人脸识别 | 第27-30页 |
| 3.2.1 B样条滤波函数 | 第27-29页 |
| 3.2.2 改进的梯度计算公式 | 第29页 |
| 3.2.3 LBP与BHOG融合的稀疏表示人脸识别算法 | 第29-30页 |
| 3.3 实验及其结果分析 | 第30-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 多字典分层判别的稀疏表示人脸识别算法 | 第35-47页 |
| 4.1 全局特征与局部特征 | 第35-36页 |
| 4.2 全局字典初始化方法 | 第36-39页 |
| 4.3 局部字典初始化方法 | 第39-40页 |
| 4.4 基于多字典分层判别的稀疏表示分类算法 | 第40-41页 |
| 4.5 实验及结果分析 | 第41-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 改进算法在人脸识别支付认证领域中的应用 | 第47-52页 |
| 5.1 人脸识别系统简介 | 第47页 |
| 5.2 系统的架构设计 | 第47-49页 |
| 5.3 功能设计及系统实现 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52页 |
| 6.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59页 |
