面向人脸识别协同表示分类器的改进与拓展研究

目录

声明

1绪论

1.1人脸识别的背景及发展

1.1.1人脸识别的应用背景及意义

1.1.2人脸识别的发展过程及挑战

1.2特征提取方法概述

1.2.1线性特征提取方法

1.2.2非线性特征提取方法

1.3线性表示分类方法概述

1.4面向分类器的投影方式

1.5本文主要工作

2面向图像的概率协同表示的正交鉴别投影

2.1引言

2.2相关工作

2.2.1协同表示分类器

2.2.2基于协同表示的优化投影

2.3概率协同表示分类器

2.4基于概率协同表示的正交鉴别投影

2.5实验结果与分析

2.5.1 AR人脸数据库

2.5.2CMU PIE人脸数据库

2.5.3概率解释VS正交鉴别投影

2.6小结

3面向图像集概率协同表示分类器及正交鉴别投影

3.1引言

3.2相关工作

3.2.1面向图像集的协同表示分类器

3.3面向图像集的概率协同表示分类器

3.3.1算法基本原理

3.3.2算法求解

3.3.3算法结果讨论

3.4基于面向图像集的概率协同表示的正交鉴别投影

3.5实验结果与分析

3.5.2YouTube celebrities人脸数据库

3.5.3Extended Yale B人脸数据库

3.5.4概率解释VS正交鉴别投影

3.5.5参数敏感性分析

3.5.6算法鲁棒性分析

3.6小结

4基于面向图像集代价敏感的概率协同表示分类器

4.1引言

4.2面向图像集的代价敏感概率协同表示分类器

4.2.1最近邻选择

4.2.2代价敏感概率协同表示

4.3面向图像集的代价敏感概率协同表示的正交鉴别投影

4.4实验结果与分析

4.4.1CMU MoBo人脸数据库

4.4.2YouTube celebrities人脸数据库

4.4.3参数分析

4.5小结

5总结与展望

5.1总结

5.2展望

致谢

参考文献

附录