摘要 | 第1-6页 |
Abstract | 第6-11页 |
第1章 绪论 | 第11-26页 |
·人脸识别的研究背景及意义 | 第11页 |
·人脸识别的研究现状 | 第11-16页 |
·面向人脸识别的子空间方法 | 第16-25页 |
·主成分分析 | 第17-21页 |
·Fisher鉴别分析 | 第21-23页 |
·独立成分分析 | 第23-24页 |
·典型相关分析 | 第24页 |
·流形学习 | 第24-25页 |
·论文的主要内容 | 第25-26页 |
第2章 样本镜像对称特性在主成分分析中的应用研究 | 第26-64页 |
·线性主成分分析算法 | 第26-31页 |
·主成分分析 | 第26-27页 |
·二维主成分分析 | 第27-29页 |
·双向二维主成分分析 | 第29-31页 |
·非线性主成分分析算法 | 第31-41页 |
·核主成分分析 | 第31-34页 |
·二维核主成分分析 | 第34-41页 |
·样本镜像对称特性在主成分分析中的应用 | 第41-50页 |
·输入空间中的镜像变换与奇偶分解原理 | 第41-43页 |
·对称主成分分析 | 第43-44页 |
·二维对称主成分分析 | 第44-46页 |
·双向二维对称主成分分析 | 第46页 |
·核对称主成分分析 | 第46-50页 |
·针对核对称主成分分析算法不足的研究与改进 | 第50-63页 |
·核函数选取范围的拓展研究 | 第50-54页 |
·基于插值的核函数构造方法 | 第54-58页 |
·插值核方法的提出及其在核函数拓展研究中的应用分析 | 第58-59页 |
·广义核对称主成分分析 | 第59-62页 |
·特征选择策略的推广思想 | 第62-63页 |
·本章小结 | 第63-64页 |
第3章 改进的Fisher鉴别分析两步算法研究 | 第64-91页 |
·Fisher鉴别准则的研究与发展 | 第64-71页 |
·Fisher极大鉴别准则 | 第64-66页 |
·Fisher极小鉴别准则 | 第66-67页 |
·Fisher对称零空间鉴别准则 | 第67-71页 |
·Fisher鉴别准则的推广 | 第71-73页 |
·二维推广 | 第71-72页 |
·核推广 | 第72-73页 |
·Fisher鉴别向量集的特性分析 | 第73-79页 |
·具有正交性的最佳鉴别向量集 | 第73-76页 |
·具有统计不相关性的最佳鉴别向量集 | 第76-79页 |
·Fisher鉴别分析两步算法框架 | 第79-83页 |
·PCA+LDA算法框架 | 第79-81页 |
·KPCA+LDA算法框架 | 第81-82页 |
·2DPCA+2DLDA 算法框架 | 第82-83页 |
·K2DPCA+2DLDA 算法框架 | 第83页 |
·改进的核 Fisher鉴别分析两步算法 | 第83-89页 |
·WKPCA+LDA73 | 第83-87页 |
·GKSPCA+SLDA | 第87-89页 |
·本章小结 | 第89-91页 |
第4章 图像预处理增强算法研究 | 第91-103页 |
·双线性广义模糊增强 | 第91-97页 |
·线性广义模糊算子 | 第92-94页 |
·线性广义隶属度变换 | 第94页 |
·图像质量评价标准 | 第94-97页 |
·自适应单层次的双线性广义模糊增强算法 | 第97-98页 |
·模糊参数的自适应优化选择 | 第97页 |
·算法执行步骤 | 第97-98页 |
·图像增强效果 | 第98页 |
·自适应多层次的双线性广义模糊增强算法 | 第98-100页 |
·多层次阈值灰度的选择步骤 | 第98-99页 |
·多层次线性广义模糊增强 | 第99-100页 |
·图像增强效果 | 第100页 |
·应用小波包变换的加权广义模糊增强算法 | 第100-102页 |
·小波包变换 | 第100-101页 |
·算法执行步骤 | 第101-102页 |
·图像增强效果 | 第102页 |
·本章小结 | 第102-103页 |
第5章 人脸识别实验 | 第103-115页 |
·人脸识别实验简介 | 第103-104页 |
·人脸图像数据库及图像预处理 | 第103-104页 |
·分类器类型 | 第104页 |
·识别性能评价指标 | 第104页 |
·实验结果及分析 | 第104-114页 |
·本章小结 | 第114-115页 |
结论 | 第115-117页 |
参考文献 | 第117-127页 |
攻读博士学位期间承担的科研任务与主要成果 | 第127-129页 |
致谢 | 第129-130页 |
作者简介 | 第130页 |