摘要 | 第5-6页 |
Abstract | 第6-7页 |
符号与缩写词含义 | 第8-9页 |
第一章 绪论 | 第9-15页 |
1.1 人脸识别的研究背景及意义 | 第9-10页 |
1.2 人脸识别的发展历史及研究现状 | 第10-12页 |
1.2.1 人脸识别的发展历史 | 第10-11页 |
1.2.2 人脸识别的研究现状 | 第11-12页 |
1.2.3 人脸识别中的难点 | 第12页 |
1.3 人脸识别的前景 | 第12-14页 |
1.3.1 人脸识别的发展趋势 | 第12-13页 |
1.3.2 人脸识别的应用领域 | 第13-14页 |
1.4 论文的主要研究内容 | 第14-15页 |
第二章 稀疏表示相关理论 | 第15-21页 |
2.1 稀疏表示理论 | 第15-17页 |
2.1.1 稀疏表示理论基础 | 第15-16页 |
2.1.2 稀疏表示的概念 | 第16-17页 |
2.2 稀疏表示求解方法 | 第17-20页 |
2.2.1 全局优化算法 | 第17-18页 |
2.2.2 匹配追踪算法 | 第18-19页 |
2.2.3 正交匹配追踪算法 | 第19-20页 |
2.3 本章总结 | 第20-21页 |
第三章 基于稀疏表示的人脸识别算法 | 第21-29页 |
3.1 算法基本思想 | 第21页 |
3.2 字典的构造 | 第21-23页 |
3.2.1 字典概念 | 第21-22页 |
3.2.2 字典构造的过程 | 第22-23页 |
3.3 基于稀疏表示的人脸识别 | 第23-28页 |
3.3.1 测试样本 | 第23-24页 |
3.3.2 稀疏求解分类 | 第24-25页 |
3.3.3 特征提取 | 第25-27页 |
3.3.4 人脸识别过程 | 第27-28页 |
3.3.5 随机特征脸 | 第28页 |
3.4 本章总结 | 第28-29页 |
第四章 基于非重叠分块的加权稀疏表示算法 | 第29-37页 |
4.1 算法基本思想 | 第29-30页 |
4.2 算法处理过程 | 第30-33页 |
4.2.1 加权系数的设计 | 第30-32页 |
4.2.2 全局加权稀疏表示 | 第32-33页 |
4.3 实验结果分析 | 第33-36页 |
4.3.1 Extended Yale B数据库 | 第33-34页 |
4.3.2 AR数据库 | 第34-36页 |
4.4 本章总结 | 第36-37页 |
第五章 基于低秩分块稀疏表示的人脸识别算法 | 第37-52页 |
5.1 算法相关工作 | 第37-38页 |
5.2 低秩矩阵恢复 | 第38页 |
5.3 离散余弦变换(DCT) | 第38-39页 |
5.4 基于结构不相关的低秩矩阵恢复 | 第39-45页 |
5.4.1 低秩矩阵分解 | 第39-41页 |
5.4.2 参考项的引入 | 第41-43页 |
5.4.3 基于ALM的算法优化 | 第43-45页 |
5.5 人脸重叠分块与识别 | 第45-47页 |
5.5.1 人脸重叠分块 | 第45-46页 |
5.5.2 识别方法 | 第46-47页 |
5.6 实验结果与分析 | 第47-50页 |
5.6.1 Extended Yale B数据库 | 第47-48页 |
5.6.2 AR数据库 | 第48-50页 |
5.6.3 Multi PIE数据库 | 第50页 |
5.7 本章总结 | 第50-52页 |
第六章 基于图像重构和哈希的人脸识别算法 | 第52-66页 |
6.1 算法基本思想 | 第52-53页 |
6.2 算法相关工作 | 第53-55页 |
6.2.1 组稀疏编码(Group sparse coding) | 第53-54页 |
6.2.2 哈希算法 | 第54页 |
6.2.3 稀疏表示算法 | 第54-55页 |
6.3 图像重构模型 | 第55-57页 |
6.4 基于哈希算法的人脸识别算法 | 第57-60页 |
6.4.1 随机矩阵 | 第57-58页 |
6.4.2 基于哈希的正交匹配追踪算法 | 第58-60页 |
6.5 实验结果与分析 | 第60-65页 |
6.5.1 Extended Yale B数据库 | 第60-62页 |
6.5.2 AR数据库 | 第62-65页 |
6.6 本章总结 | 第65-66页 |
第七章 总结与展望 | 第66-68页 |
7.1 总结 | 第66-67页 |
7.2 展望 | 第67-68页 |
参考文献 | 第68-72页 |
致谢 | 第72-73页 |
攻读硕士期间的科研成果 | 第73页 |