Gabor滤波和子空间分析的人脸识别算法研究
摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 引言 | 第9-26页 |
1.1 研究背景与意义 | 第9-12页 |
1.1.1 人脸识别技术的研究背景 | 第9-10页 |
1.1.2 人脸识别技术的研究意义 | 第10-12页 |
1.2 人脸识别技术的国内外研究近况 | 第12-18页 |
1.2.1 人脸识别技术研究的发展历程 | 第12-13页 |
1.2.2 人脸识别技术研究现状 | 第13-16页 |
1.2.3 人脸识别技术研究的挑战 | 第16-18页 |
1.3 人脸识别技术的研究内容 | 第18-19页 |
1.4 人脸识别的常用方法 | 第19-22页 |
1.5 人脸识别模式的选择 | 第22-23页 |
1.6 人脸识别系统的性能指标 | 第23-24页 |
1.7 本文研究的主要内容和结构安排 | 第24-26页 |
第2章 Gabor滤波的人脸特征提取 | 第26-38页 |
2.1 Gabor小波起源 | 第26-34页 |
2.1.1 傅里叶变换 | 第26-27页 |
2.1.2 一维Gabor小波 | 第27-29页 |
2.1.3 二维Gabor小波 | 第29-30页 |
2.1.4 Gabor滤波器的参数意义与选择 | 第30-34页 |
2.2 人脸图像的Gabor特征 | 第34-37页 |
2.2.1 FFT快速Gabor人脸特征的提取 | 第34-35页 |
2.2.2 Gabor人脸特征的表示 | 第35-37页 |
2.3 本章小结 | 第37-38页 |
第3章 子空间分析人脸识别算法及改进 | 第38-51页 |
3.1 线性鉴别分析(LDA) | 第38-40页 |
3.2 零空间线性鉴别分析(NSLDA) | 第40-42页 |
3.3 快速零空间线性鉴别FNSLDA) | 第42-46页 |
3.4 完备的线性鉴别分析(CLDA) | 第46-47页 |
3.5 快速完备的线性鉴别分析(FCLDA) | 第47-49页 |
3.5.1 两种鉴别特征的融合 | 第49页 |
3.6 本章小结 | 第49-51页 |
第4章 融合Gabor滤波和子空间分析的算法 | 第51-67页 |
4.1 本文算法使用的性能指标 | 第51-53页 |
4.2 融合算法的主要流程 | 第53-55页 |
4.2.1 滤波器组的参数对识别率影响 | 第53-55页 |
4.3 FNSLDA和FCLDA算法 | 第55-60页 |
4.3.1 FNSLDA人脸识别算法 | 第55-58页 |
4.3.2 FCLDA人脸识别算法 | 第58-60页 |
4.4 Gabor滤波与子空间分析算法融合 | 第60-66页 |
4.4.1 验证模式实验 | 第60-64页 |
4.4.2 识别模式实验 | 第64-66页 |
4.5 本章小结 | 第66-67页 |
第5章 总结与展望 | 第67-69页 |
5.1 本文总结 | 第67页 |
5.2 工作展望 | 第67-69页 |
致谢 | 第69-70页 |
参考文献 | 第70-73页 |
攻读硕士学位期间获得的科研成果 | 第73页 |