声明
摘要
第一章 绪论
1.1 研究背景和意义
1.2 驾驶员人脸识别的科学问题分析
1.3 国内外研究现状
1.3.1 光照处理的研究现状
1.3.2 单样本人脸识别的研究现状
1.3.3 存在的主要问题
1.4 人脸数据库
1.4.1 公开人脸数据库
1.4.2 自建驾驶员人脸数据库
1.5 论文的主要研究工作
1.5.1 研究内容
1.5.2 论文的组织结构
第二章 基于矩阵分解的高频人脸特征
2.1 引言
2.2 人脸图像特征的矩阵分解模型
2.3 基于SVD的高频人脸特征模型
2.3.1 NSVD人脸特征
2.3.2 ASVD人脸特征
2.3.3 算法复杂度分析
2.4 基于QRCP分解的高频人脸特征模型
2.4.1 QRCP人脸特征
2.4.2 NQRCP人脸特征
2.4.3 AQRCP人脸特征
2.4.4 算法复杂度分析
2.5 实验结果与分析
2.5.1 实验结果
2.5.2 分析与讨论
2.6 本章小结
第三章 基于局部邻域的光照不变测度人脸特征
3.1 引言
3.2 基于局部邻域的光照不变测度模型
3.2.1 基于局部邻域的光照不变测度
3.2.2 多局部邻域光照不变测度融合
3.3 基于局部邻域的光照不变测度人脸特征
3.3.1 光照不变测度分析
3.3.2 光照不变测度人脸特征
3.3.3 算法复杂度分析
3.4.1 基于频率分解的光照处理方法
3.4.2 基于频率分解的光照不变测度人脸特征
3.5 实验结果与分析
3.5.1 实验结果
3.5.2 分析与讨论
3.6 本章小结
第四章 自适应逼近人脸图像重建方法
4.1 引言
4.2 基于SVD的自适应逼近图像重建方法
4.2.1 基于图像秩的自适应逼近图像重建
4.2.2 快速DLDA最优投影空间算法
4.2.3 DLDA特征提取和分类
4.3 基于LU分解的自适应逼近图像重建方法
4.3.1 基于LU分解的逼近图像
4.3.2 基于图像能量的自适应逼近图像重建
4.3.3 算法复杂度分析
4.4 实验结果与分析
4.4.1 快速DLDA算法性能测试
4.4.2 逼近人脸图像重建方法性能测试
4.4.3 分析与讨论
4.5 本章小结
第五章 基于光照不变特征的稀疏表示分类方法
5.1 引言
5.2 基于人脸特征分解的稀疏表示模型
5.2.1 基于反射系数和光照特征的稀疏表示算法
5.2.2 基于高频和低频特征的稀疏表示算法
5.3 基于光照不变特征的稀疏表示模型
5.3.1 光照不变特征稀疏表示模型
5.3.2 算法参数估计
5.4 光照不变特征稀疏表示矢量投影分类模型
5.4.1 矢量投影分类算法
5.4.2 基于逼近图像的光照不变特征稀疏表示矢量投影分类方法
5.4.3 算法参数估计
5.5 实验结果与分析
5.5.1 实验结果
5.5.2 分析与讨论
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读博士学位期间取得的科研成果及参与项目情况