基于主成分分析的人脸识别算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·人脸识别的研究意义 | 第9-10页 |
| ·人脸识别的研究内容 | 第10-11页 |
| ·人脸识别测试数据库 | 第11-12页 |
| ·论文内容安排 | 第12-13页 |
| 第二章 人脸识别系统 | 第13-24页 |
| ·人脸识别系统概述 | 第13页 |
| ·图像获取 | 第13页 |
| ·人脸检测定位 | 第13-14页 |
| ·人脸图像的预处理 | 第14-17页 |
| ·色彩转换处理 | 第14-15页 |
| ·几何归一化处理 | 第15-16页 |
| ·直方图均衡 | 第16页 |
| ·人脸图像灰度归一化 | 第16-17页 |
| ·特征提取和选择的主要方法 | 第17-21页 |
| ·基于几何的人脸识别 | 第18-19页 |
| ·基于模型的人脸识别 | 第19页 |
| ·基于统计的人脸识别 | 第19-20页 |
| ·基于神经网络的人脸识别 | 第20-21页 |
| ·基于弹性图匹配方法的人脸识别 | 第21页 |
| ·距离测度和分类器设计 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 基于PCA的人脸识别 | 第24-40页 |
| ·预备知识 | 第24-27页 |
| ·人脸图像在计算机中的表述 | 第24页 |
| ·PCA原理 | 第24-26页 |
| ·奇异值分解 | 第26-27页 |
| ·基于PCA的人脸识别 | 第27-31页 |
| ·生成训练样本 | 第27-28页 |
| ·计算K-L变换的生成矩阵 | 第28页 |
| ·利用SVD定理计算图像的特征值和特征向量 | 第28-29页 |
| ·构建特征空间 | 第29-30页 |
| ·特征提取 | 第30页 |
| ·分类识别 | 第30-31页 |
| ·PCA人脸识别实验 | 第31-33页 |
| ·特征值个数对识别结果的影响 | 第31-32页 |
| ·训练样本个数对识别结果的影响 | 第32页 |
| ·分类器对识别结果的影响 | 第32-33页 |
| ·分块PCA算法 | 第33-36页 |
| ·图像分块思想 | 第33-34页 |
| ·特征提取 | 第34页 |
| ·分类识别 | 第34-35页 |
| ·实验及结果分析 | 第35-36页 |
| ·改进的分块PCA算法 | 第36-39页 |
| ·算法理论 | 第36-37页 |
| ·实验结果与分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于2DPCA的人脸识别 | 第40-47页 |
| ·2DPCA算法 | 第40-43页 |
| ·算法理论 | 第40-41页 |
| ·实验及结果分析 | 第41-43页 |
| ·分块2DPCA算法 | 第43页 |
| ·改进的分块2DPCA算法 | 第43-46页 |
| ·算法理论 | 第43-45页 |
| ·实验结果与分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于(2D)~2PCA的人脸识别算法 | 第47-53页 |
| ·(2D)~2PCA算法 | 第47-49页 |
| ·(2D)~2PCA算法理论 | 第47-48页 |
| ·实验及结果分析 | 第48-49页 |
| ·分块(2D)~2PCA算法 | 第49-52页 |
| ·分块(2D)~2PCA算法理论 | 第49-50页 |
| ·实验及结果分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结和展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
