基于压缩感知的人脸识别系统研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 人脸识别的技术难点 | 第14-15页 |
| 1.4 本文的研究内容 | 第15-16页 |
| 1.5 本文的结构安排 | 第16-18页 |
| 第二章 经典人脸识别算法 | 第18-25页 |
| 2.1 引言 | 第18页 |
| 2.2 经典人脸识别算法 | 第18-24页 |
| 2.2.1 主成分分析 | 第18-20页 |
| 2.2.2 线性鉴别分析 | 第20-21页 |
| 2.2.3 局部线性嵌入 | 第21-23页 |
| 2.2.4 支持向量机 | 第23-24页 |
| 2.5 小结 | 第24-25页 |
| 第三章 压缩感知理论及其应用 | 第25-33页 |
| 3.1 引言 | 第25页 |
| 3.2 压缩感知理论 | 第25-32页 |
| 3.2.1 信号的稀疏表示 | 第28-29页 |
| 3.2.2 观测矩阵 | 第29-30页 |
| 3.2.3 信号重构算法 | 第30-32页 |
| 3.3 压缩感知理论的应用 | 第32页 |
| 3.4 小结 | 第32-33页 |
| 第四章 结合成对约束的近邻稀疏保留投影算法 | 第33-53页 |
| 4.1 引言 | 第33页 |
| 4.2 稀疏保留投影算法 | 第33-35页 |
| 4.3 结合成对约束的近邻稀疏保留投影算法 | 第35-41页 |
| 4.3.1 算法步骤 | 第40-41页 |
| 4.4 实验结果与分析 | 第41-52页 |
| 4.4.1 近邻选择数对识别率的影响 | 第42-44页 |
| 4.4.2 成对约束参数的选择 | 第44-45页 |
| 4.4.3 训练样本数目的影响 | 第45-47页 |
| 4.4.4 降维维数对识别率的影响 | 第47-49页 |
| 4.4.5 在不同分类器上的识别率 | 第49-50页 |
| 4.4.6 时间性能比较 | 第50-52页 |
| 4.5 小结 | 第52-53页 |
| 第五章 稀疏表达分类器 | 第53-66页 |
| 5.1 引言 | 第53页 |
| 5.2 稀疏表达分类器理论介绍 | 第53-56页 |
| 5.4 不同重构算法对 SRC 性能的影响 | 第56-59页 |
| 5.4.1 正交匹配追踪算法 | 第57页 |
| 5.4.2 最小l1 范数法 | 第57-58页 |
| 5.4.3 最小全变分法 | 第58-59页 |
| 5.4.4 不同重构算法下 SRC 性能比较 | 第59页 |
| 5.5 实验与分析 | 第59-62页 |
| 5.5.1 基于不同重构算法的 SRC 识别率 | 第59-60页 |
| 5.5.2 不同特征提取方式下的识别率 | 第60-62页 |
| 5.6 关于改进 SRC 的思考 | 第62-65页 |
| 5.6.1 方法描述 | 第63-64页 |
| 5.6.2 结果及分析 | 第64-65页 |
| 5.7 小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士期间发表的论文 | 第73页 |
