基于稀疏表示的快速人脸识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究目的与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 人脸识别框架 | 第13-15页 |
| 1.3.1 人脸检测与定位 | 第13-14页 |
| 1.3.2 图像预处理 | 第14页 |
| 1.3.3 特征提取 | 第14-15页 |
| 1.3.4 分类识别 | 第15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 第2章 稀疏表示的基本理论 | 第17-25页 |
| 2.1 信号的稀疏表示 | 第17-20页 |
| 2.1.1 信号稀疏的数学表示 | 第17-19页 |
| 2.1.2 信号稀疏表示原理 | 第19-20页 |
| 2.2 基于稀疏表示的人脸识别 | 第20-24页 |
| 2.2.1 人脸稀疏表示模型 | 第20-22页 |
| 2.2.2 人脸稀疏表示模型求解 | 第22-23页 |
| 2.2.3 人脸稀疏表示模型的分类识别 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于字典的快速稀疏表示人脸识别方法 | 第25-45页 |
| 3.1 人脸识别中特征提取 | 第25-30页 |
| 3.1.1 特征提取的意义 | 第25-26页 |
| 3.1.2 主成分分析 | 第26-28页 |
| 3.1.3 线性判别分析法 | 第28-29页 |
| 3.1.4 随机特征法 | 第29-30页 |
| 3.2 字典构造 | 第30-32页 |
| 3.2.1 字典构造简介 | 第30-31页 |
| 3.2.2 K-SVD算法 | 第31-32页 |
| 3.3 快速稀疏表示人脸识别方法 | 第32-37页 |
| 3.3.1 超完备字典的快速稀疏表示模型 | 第33-34页 |
| 3.3.2 快速稀疏表示模型求解 | 第34-37页 |
| 3.4 实验结果分析 | 第37-43页 |
| 3.4.1 YaleB人脸数据库 | 第38-39页 |
| 3.4.2 ORL人脸数据库 | 第39-41页 |
| 3.4.3 AR人脸数据库 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于加权字典的快速稀疏表示人脸识别方法 | 第45-57页 |
| 4.1 加权稀疏表示人脸识别 | 第45-49页 |
| 4.1.1 加权稀疏表示人脸识别概况 | 第45-46页 |
| 4.1.2 组稀疏分类(GSC) | 第46-47页 |
| 4.1.3 加权稀疏分类(WSRC) | 第47-48页 |
| 4.1.4 线性回归分类(LRC) | 第48-49页 |
| 4.2 加权字典的快速稀疏表示方法 | 第49-52页 |
| 4.2.1 加权字典的快速稀疏模型 | 第49-50页 |
| 4.2.2 加权字典的快速稀疏模型求解 | 第50-52页 |
| 4.3 实验结果分析 | 第52-56页 |
| 4.3.1 YaleB人脸数据库 | 第52-53页 |
| 4.3.2 ORL人脸数据库 | 第53-54页 |
| 4.3.3 AR人脸数据库 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间论文发表情况 | 第65页 |
