首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于图像重构和特征融合的人脸识别方法研究

摘要第1-6页
Abstract第6-11页
1 绪论第11-34页
   ·研究的背景及意义第11-13页
   ·人脸识别研究现状第13-28页
     ·国内外研究发展情况第13-15页
     ·人脸识别方法综述第15-24页
     ·人脸识别的难点第24-27页
     ·人脸识别的发展趋势第27-28页
   ·人脸识别系统评价第28-31页
     ·人脸数据库第28-30页
     ·主要评价性能指标第30-31页
   ·论文主要工作和研究成果第31-32页
   ·本文内容安排第32-34页
2 基于图像重构的人脸识别第34-59页
   ·引言第34-35页
   ·基于特征子空间的人脸识别第35-44页
     ·基于主成份分析的人脸识别第35-39页
     ·基于独立成份分析的人脸识别第39-42页
     ·基于非负矩阵分解的人脸识别第42-44页
   ·基于图像重构的人脸识别第44-48页
     ·图像预处理第44-45页
     ·基于特征子空间的图像重构第45页
     ·基于图像重构的人脸识别第45-48页
   ·实验结果及分析第48-57页
     ·基于ORL数据库的人脸识别实验第49-52页
     ·基于Yale数据库的人脸识别实验第52-54页
     ·基于Georgia Tech数据库的人脸识别实验第54-56页
     ·实验结果分析第56-57页
   ·本章小结第57-59页
3 基于ICA特征融合的人脸识别第59-82页
   ·引言第59-60页
   ·信息融合技术第60-63页
     ·信息融合的层次结构第60-62页
     ·信息融合的算法第62-63页
   ·基于多特征融合的人脸识别第63-69页
     ·特征提取第63-65页
     ·基于多特征融合的人脸识别第65-67页
     ·实验结果及比较第67-69页
   ·基于独立特征融合的人脸识别第69-81页
     ·Gabor特征提取第70-73页
       ·二维Gabor变换第70-72页
       ·Gabor变换的参数选择第72-73页
       ·人脸图像的Gabor变换第73页
     ·基于独立特征融合的人脸识别第73-76页
     ·实验结果第76-80页
     ·实验结果分析第80-81页
   ·本章小结第81-82页
4 基于HMM-SVM混合模型的人脸识别第82-103页
   ·引言第82-83页
   ·隐马尔可夫模型第83-87页
     ·HMM的基本思想第83页
     ·HMM的定义第83-84页
     ·HMM的三个基本问题第84-87页
   ·支持向量机第87-94页
     ·VC维与VC上界第87-88页
     ·结构风险最小化原则第88-90页
     ·线性支持向量机第90-92页
     ·非线性支持向量机第92-94页
   ·基于HMM-SVM混合模型的人脸识别第94-100页
     ·HMM人脸模型第94页
     ·特征提取第94-96页
     ·HMM模型训练第96-97页
     ·HMM-SVM混合模型第97-99页
     ·人脸识别第99-100页
   ·实验结果及比较第100-101页
   ·本文方法比较分析第101-102页
   ·本章小结第102-103页
5 人脸识别系统第103-112页
   ·引言第103-104页
   ·设计目标第104页
   ·系统架构第104-107页
     ·系统流程第104-105页
     ·系统体系结构第105-106页
     ·相关技术背景第106-107页
   ·功能体系结构第107-111页
     ·图像处理模块第108页
     ·数据管理模块第108-109页
     ·人脸检测模块第109-110页
     ·模型训练模块第110页
     ·人脸识别模块第110-111页
   ·本章小结第111-112页
6 结论和展望第112-115页
   ·结论第112-114页
   ·展望第114-115页
参考文献第115-123页
论文创新点摘要第123-124页
攻读博士学位期间发表学术论文情况第124-126页
致谢第126-127页

论文共127页,点击 下载论文
上一篇:产品设计过程的建模、仿真及优化研究
下一篇:股骨头修复建模关键技术研究