声明
摘要
1 绪论
1.1 课题的研究意义
1.2 人脸识别问题描述
1.3 人脸识别研究概述
1.3.1 人脸检测
1.3.2 人脸特征点定位
1.3.3 光照预处理
1.3.4 特征提取
1.3.5 分类器设计
1.4 人脸识别中常用的公共数据库
1.5 本文的主要工作
1.6 论文组织安捧
2 基于鉴别局部主方向直方图的特征提取方法
2.1 引言
2.2 鉴别局部主方向直方图(D-HLDO)
2.2.1 基于主成分分析的局部方向估计
2.2.2 局部主方向特征提取
2.2.3 局部主方向直方图(HLDO)
2.2.4 基于局部均值近邻鉴别分析的图像特征表示
2.2.5 D-HLDO的特点
2.2.6 与相关方法的对比
2.3 实验
2.3.1 在AR人脸数据库上的实验
2.3.2 在PIE人脸数据库上的实验
2.3.3 在FRGC人脸数据库上的实验
2.3.4 参数的影响
2.4 本章小结
3 基于局部结构图像分解的特征提取方法
3.1 引言
3.2 基于局部结构分解的图像特征提取方法(IDLS)
3.2.1 脊回归
3.2.2 提取局部结构特征
3.2.3 图像分解和特征表示
3.2.4 基于高斯核度量的IDLS
3.2.5 与Gabor特征的对比
3.3 实验
3.3.1 在NUST_RWFR人脸库上的实验
3.3.2 在AR人脸库上的实验
3.3.3 Extended Yale B人脸库上的实验
3.3.4 在PIE人脸库上的实验
3.3.5 在FERET人脸库上的实验
3.3.6 参数的影响
3.4 本章小结
4 基于广义回归表示的人脸图像分类模型
4.1 引言
4.2 广义回归表示分类模型
4.2.1 基本的广义回归表示分类器
4.2.2 鲁棒的广义回归表示分类器
4.2.3 面对遮挡的鲁棒广义回归表示分类器
4.2.4 广义回归表示分类模型的优势
4.3 实验
4.3.1 手写体字符识别
4.3.2 无遮挡条件下的人脸识别
4.3.3 遮挡条件下的人脸识别
4.3.4 讨论
4.4 本章小结
5 基于低秩正则回归的人脸图像分类模型
5.1 引言
5.2 低秩正则回归(LR3)
5.2.1 低秩正则回归
5.2.2 优化算法
5.3 鲁棒的低秩正则回归(RLR3)
5.3.1 鲁棒的低秩正则回归分类器
5.3.2 RLR3的优势
5.4 实验
5.4.1 真实伪装条件下的人脸识别
5.4.2 块状遮挡条件下的人脸识别
5.4.3 无遮挡的人脸识别
5.4.4 讨论
5.5 本章小结
6 结束语
6.1 本文工作总结
6.2 后续工作
致谢
参考文献
A.攻读博士学位期间发表的论文
B.攻读博士学位期间参加的科学研究情况
C.攻读博士学位期间的获奖情况