声明
摘要
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 特征提取研究现状
1.2.2 FPH框架研究现状
1.3 研究内容
1.4 论文章节安排
第2章 相关理论基础
2.1 FPH框架中的传统特征提取方法
2.2 PCANet:基于深度学习的特征提取方法
2.3 FPH框架中的编码方法
2.4 本章小结
第3章 FPH特征提取的鲁棒性原理
3.1 引言
3.2 FPH框架的鲁棒性分析
3.3 特征图生成的基本准则
3.3.1 局部性
3.3.2 特征分解的几种方式
3.3.3 深度滤波:精简参数、逐步增大感受野
3.4 模式图编码的基本原理:可逆的特征压缩
3.4.1 模式图编码的几种方法及一般规律
3.4.2 可逆的特征压缩过程
3.5 实验与分析
3.5.1 基于Extended Yale B数据库的模拟遮挡人脸识别
3.5.2 基于AR数据库的实际遮挡人脸识别
3.6 本章小结
第4章 基于改进的PCANet的鲁棒人脸识别
4.1 引言
4.2 局部球面规范化
4.3 PCANet的局部球面规范化嵌入
4.4 实验与分析
4.4.1 基于UMB-DB数据库的人脸识别实验
4.4.2 基于AR数据库的人脸识别实验
4.5 本章小结
5.1 总结
5.2 展望
参考文献
致谢
攻读学位期间参加的科研项目和成果