| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 人脸识别的一般过程 | 第12-15页 |
| 1.2.1 人脸检测 | 第13页 |
| 1.2.2 图像预处理 | 第13-14页 |
| 1.2.3 特征提取 | 第14页 |
| 1.2.4 分类识别 | 第14页 |
| 1.2.5 常用的人脸库 | 第14-15页 |
| 1.3 国内外发展现状 | 第15-17页 |
| 1.4 本文研究内容 | 第17-18页 |
| 1.5 本文组织结构 | 第18-20页 |
| 第二章 LBP算法 | 第20-28页 |
| 2.1 LBP特征的描述 | 第20-21页 |
| 2.2 LBP的改进版本 | 第21-26页 |
| 2.2.1 圆形LBP算子 | 第21-22页 |
| 2.2.2 LBP旋转不变模式 | 第22-23页 |
| 2.2.3 LBP等价模式 | 第23-25页 |
| 2.2.4 旋转不变的等价模式 | 第25-26页 |
| 2.3 LBP特征用于检测的原理 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 人脸特征的提取方法 | 第28-38页 |
| 3.1 基于面部器官和模板匹配的特征提取 | 第28-29页 |
| 3.2 基于代数方法的特征提取 | 第29-35页 |
| 3.2.1 K-L变换原理 | 第30-32页 |
| 3.2.2 PCA特征提取 | 第32-34页 |
| 3.2.3 特征向量的选取 | 第34-35页 |
| 3.3 基于弹性匹配法的特征提取 | 第35页 |
| 3.4 基于神经网络的特征提取 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 稀疏表示及其人脸识别应用 | 第38-46页 |
| 4.1 问题背景 | 第38-39页 |
| 4.2 基于稀疏表示的分类 | 第39-44页 |
| 4.2.1 问题描述 | 第39-40页 |
| 4.2.2 稀疏表示的分类 | 第40-42页 |
| 4.2.3 类别判定 | 第42-43页 |
| 4.2.4 稀疏表示的验证 | 第43-44页 |
| 4.3 本章小结 | 第44-46页 |
| 第五章 基于稀疏表示并结合LBP直方图与PCA的人脸识别算法 | 第46-62页 |
| 5.1 预处理 | 第46-50页 |
| 5.1.1 Gamma矫正 | 第46-48页 |
| 5.1.2 DoG滤波 | 第48-49页 |
| 5.1.3 直方图均衡化 | 第49-50页 |
| 5.2 多级分子区域统计LBP直方图 | 第50-53页 |
| 5.3 PCA降维 | 第53-54页 |
| 5.4 基于稀疏表示的识别 | 第54-55页 |
| 5.5 实验设置及结果 | 第55-61页 |
| 5.5.1 实验设置 | 第55-56页 |
| 5.5.2 实验过程与结果 | 第56-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录A | 第70页 |