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 |