基于特征学习的人脸识别算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-28页 |
| 1.1 人脸识别的研究背景和意义 | 第11-14页 |
| 1.2 人脸识别技术的研究历程和现状 | 第14-16页 |
| 1.3 人脸识别技术的研究内容 | 第16-23页 |
| 1.4 人脸识别技术研究的难点 | 第23-26页 |
| 1.5 人脸识别的评判标准 | 第26页 |
| 1.6 本文的主要工作和结构安排 | 第26-28页 |
| 第2章 类局部二值模式理论综述 | 第28-36页 |
| 2.1 LBP概述 | 第28-29页 |
| 2.2 LBP编码的特点 | 第29-30页 |
| 2.3 针对LBP算法的改进 | 第30-31页 |
| 2.3.1 图像滤波上的改进 | 第30页 |
| 2.3.2 针对模式采样的改进 | 第30-31页 |
| 2.3.3 针对模式编码上的改进 | 第31页 |
| 2.4 类局部二值模式的直方图特征提取框架 | 第31-36页 |
| 2.4.1 直方图特征度量 | 第32页 |
| 2.4.2 直方图权重度量方法 | 第32-33页 |
| 2.4.3 直方图特征的降维方法 | 第33-34页 |
| 2.4.4 WPCA的计算过程 | 第34-36页 |
| 第3章 增强局部量化模式人脸识别算法 | 第36-50页 |
| 3.1 引言 | 第36-37页 |
| 3.2 增强局部量化模式 | 第37-40页 |
| 3.2.1 局部序数模式 | 第37-38页 |
| 3.2.2 局部量化模式 | 第38-39页 |
| 3.2.3 增强局部量化模式 | 第39-40页 |
| 3.3 相似度量与降维方法 | 第40-42页 |
| 3.3.1 相似度量 | 第40-41页 |
| 3.3.2 WPCA降维 | 第41-42页 |
| 3.4 融合PP和Retina的图像预处理方法 | 第42-46页 |
| 3.4.1 Retina预处理 | 第42-44页 |
| 3.4.2 PP预处理 | 第44-45页 |
| 3.4.3 本章PP-retina预处理算法 | 第45-46页 |
| 3.5 实验结果与分析 | 第46-48页 |
| 3.5.1 实验参数与结果 | 第47-48页 |
| 3.5.2 WPCA降维结果 | 第48页 |
| 3.6 本章总结 | 第48-50页 |
| 第4章 基于局部共同特征的异质人脸识别方法 | 第50-61页 |
| 4.1 异质人脸识别概述 | 第50页 |
| 4.2 异质人脸识别研究回顾 | 第50-52页 |
| 4.3 成对判别滤波核和增强量化模式融合算法 | 第52-58页 |
| 4.3.1 判别滤波核学习 | 第52-55页 |
| 4.3.2 成对判别判别滤波核学习 | 第55-57页 |
| 4.3.3 整体算法框架 | 第57-58页 |
| 4.4 实验与结果分析 | 第58-59页 |
| 4.5 本章总结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
