基于独立分量分析的人脸识别研究
| 第1章 绪论 | 第1-18页 |
| ·引言 | 第10-11页 |
| ·人脸识别的研究内容 | 第11-12页 |
| ·人脸识别的研究现状 | 第12-16页 |
| ·人脸检测 | 第13-14页 |
| ·人脸的描述 | 第14页 |
| ·人脸识别的方法 | 第14-16页 |
| ·本文研究的主要内容 | 第16-18页 |
| 第2章 ICA理论及相关知识 | 第18-35页 |
| ·引言 | 第18页 |
| ·多维统计数据的线性变换 | 第18-20页 |
| ·主分量分析 | 第20-21页 |
| ·统计独立 | 第21-22页 |
| ·随机事件的独立性 | 第21页 |
| ·统计独立的随机变量 | 第21-22页 |
| ·ICA模型及定义 | 第22-27页 |
| ·ICA和盲源分离 | 第22-23页 |
| ·ICA的线性模型 | 第23-27页 |
| ·高阶统计量 | 第27-30页 |
| ·高阶矩 | 第27-28页 |
| ·高阶累积量 | 第28-30页 |
| ·信息论 | 第30-33页 |
| ·微分熵 | 第30-31页 |
| ·互信息 | 第31-33页 |
| ·负熵 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第3章 人脸图象的预处理 | 第35-41页 |
| ·引言 | 第35页 |
| ·预处理 | 第35-40页 |
| ·彩色图象转化为灰度图象 | 第36-37页 |
| ·直方图均衡 | 第37页 |
| ·归一化 | 第37-39页 |
| ·数据的白化 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于PCA／ICA的特征提取和分类 | 第41-59页 |
| ·引言 | 第41-42页 |
| ·人脸特征 | 第42-43页 |
| ·ICA人脸表示 | 第43-44页 |
| ·ICA算法理论 | 第44-48页 |
| ·PCA／ICA人脸识别法 | 第48-55页 |
| ·特征提取 | 第48-50页 |
| ·独立分量的选择 | 第50-51页 |
| ·实验结果与讨论 | 第51-55页 |
| ·分类器的实验比较 | 第55-58页 |
| ·最近邻分类器 | 第55-56页 |
| ·支持向量机与判别树相结合的分类器 | 第56-57页 |
| ·实验结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文和取得的成果 | 第63-64页 |
