基于改进的主成分分析类算法的人脸识别
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·引言 | 第7-9页 |
| ·人脸识别的研究内容及应用 | 第9-11页 |
| ·人脸识别的研究内容 | 第9-10页 |
| ·人脸识别的应用 | 第10-11页 |
| ·人脸识别发展历程与现状 | 第11-14页 |
| ·人脸识别的发展历程 | 第11-13页 |
| ·人脸识别现状与研究热点 | 第13-14页 |
| ·本文研究工作与组织结构 | 第14-16页 |
| 第二章 主成分分析方法 | 第16-22页 |
| ·子空间学习方法 | 第16-18页 |
| ·子空间学习方法概况 | 第16-18页 |
| ·线性子空间方法 | 第18页 |
| ·主成分分析 | 第18-22页 |
| ·基本原理 | 第19-20页 |
| ·典型算法 | 第20-22页 |
| 第三章 白化主成分分析类算法 | 第22-31页 |
| ·二维主成分分析和双向二维主成分分析 | 第22-26页 |
| ·二维主成分分析 | 第22-24页 |
| ·变种二维主成分分析 | 第24页 |
| ·双向二维主成分分析 | 第24-26页 |
| ·白化主成分分析类算法 | 第26-28页 |
| ·白化预处理过程 | 第26-27页 |
| ·白化主成分分析类算法 | 第27-28页 |
| ·实验与分析 | 第28-31页 |
| 第四章 分块双向二维主成分分析算法 | 第31-38页 |
| ·分块双向二维主成分分析 | 第31-34页 |
| ·图像分块 | 第31-32页 |
| ·构建投影矩阵 | 第32-33页 |
| ·分块(2D)2PCA 算法实现 | 第33-34页 |
| ·实验结果与分析 | 第34-37页 |
| ·ORL 数据库的实验 | 第34-35页 |
| ·UMIST 数据库的实验 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第五章 总结与展望 | 第38-40页 |
| ·全文工作总结 | 第38页 |
| ·未来展望 | 第38-40页 |
| 参考文献 | 第40-44页 |
| 发表论文和参加科研情况说明 | 第44-45页 |
| 致谢 | 第45页 |
