人脸识别中特征抽取方法的研究
| 摘要 | 第1-10页 |
| Abstract | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| ·人脸识别的研究意义及发展 | 第13-14页 |
| ·研究意义 | 第13页 |
| ·发展历程 | 第13-14页 |
| ·人脸识别技术的主要内容 | 第14-15页 |
| ·人脸识别的结构 | 第14-15页 |
| ·人脸识别技术面临的挑战 | 第15页 |
| ·特征提取技术介绍 | 第15-17页 |
| ·线性特征抽取 | 第15-16页 |
| ·非线性特征抽取 | 第16-17页 |
| ·稀疏表示 | 第17-18页 |
| ·尺度学习 | 第18页 |
| ·本文主要研究工作 | 第18-19页 |
| ·本文内容的章节安排 | 第19-21页 |
| 第二章 自适应监督鉴别投影分析 | 第21-29页 |
| ·引言 | 第21页 |
| ·线性鉴别投影(LDA) | 第21-22页 |
| ·一般LDA模型 | 第22-24页 |
| ·监督鉴别投影 | 第24-25页 |
| ·自适应监督鉴别投影分析(ASDP) | 第25-26页 |
| ·自适应监督鉴别投影的基本思想 | 第25页 |
| ·自适应监督鉴别投影的算法描述 | 第25-26页 |
| ·实验结果及分析 | 第26-28页 |
| ·AR人脸库上的实验 | 第26-27页 |
| ·FERET人脸库上的实验 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 相似度保持投影 | 第29-36页 |
| ·引言 | 第29页 |
| ·相关工作 | 第29-31页 |
| ·人脸识别中的主成分分析(PCA) | 第29-30页 |
| ·局部保留投影(LPP) | 第30页 |
| ·无监督鉴别投影(UDP) | 第30-31页 |
| ·相似度保持投影 | 第31-33页 |
| ·相似尺度 | 第31-32页 |
| ·基本思想 | 第32-33页 |
| ·α的选择 | 第33页 |
| ·算法步骤 | 第33页 |
| ·实验结果及分析 | 第33-35页 |
| ·AR人脸库上的实验 | 第33-34页 |
| ·FERET人脸库上的实验 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于匹配追踪的人脸识别算法 | 第36-43页 |
| ·引言 | 第36页 |
| ·传统的近邻选择 | 第36-37页 |
| ·基于匹配追踪算法的人脸图像分解 | 第37-38页 |
| ·基于相似尺度的匹配追踪 | 第38-39页 |
| ·基于匹配追踪的相似尺度人脸识别算法 | 第39-40页 |
| ·基本思想 | 第39页 |
| ·算法步骤 | 第39-40页 |
| ·实验结果及分析 | 第40-42页 |
| ·AR人脸库上的实验 | 第40-41页 |
| ·FERET人脸库上的实验 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于l_2范数的局部重构误差鉴别投影 | 第43-52页 |
| ·引言 | 第43页 |
| ·权值矩阵的设置 | 第43-47页 |
| ·MFA近邻图和惩罚图的构造 | 第43-44页 |
| ·基于稀疏表示的权值矩阵 | 第44-45页 |
| ·基于l_2范数的权值矩阵 | 第45-47页 |
| ·基于局部重构误差的鉴别分析 | 第47-49页 |
| ·基于l_2范数的局部重构误差 | 第47页 |
| ·基本思想 | 第47-48页 |
| ·鉴别投影 | 第48-49页 |
| ·实验结果及分析 | 第49-51页 |
| ·ORL人脸库上的实验 | 第49-50页 |
| ·AR人脸库上的实验 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 局部重构误差与尺度度量在人脸识别中的应用 | 第52-58页 |
| ·引言 | 第52页 |
| ·有监督的相似度保持投影 | 第52-53页 |
| ·局部重构误差和尺度度量在人脸识别中的应用 | 第53-54页 |
| ·算法思想 | 第53-54页 |
| ·算法步骤 | 第54页 |
| ·实验结果与分析 | 第54-56页 |
| ·Yale人脸库上的实验 | 第54-55页 |
| ·ORL人脸库上的实验 | 第55-56页 |
| ·AR人脸库上的实验 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第七章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
