基于SIFT算法的人脸识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 人脸识别的研究背景与意义 | 第11页 |
| 1.2 人脸识别的研究内容及难点 | 第11-12页 |
| 1.3 人脸识别的研究简史与现状分析 | 第12-14页 |
| 1.4 人脸识别的应用领域 | 第14页 |
| 1.5 国内外人脸识别商业系统 | 第14-16页 |
| 1.6 本论文的研究内容与章节安排 | 第16-17页 |
| 第2章 人脸识别系统概述 | 第17-31页 |
| 2.1 人脸识别系统框架 | 第17-18页 |
| 2.2 人脸检测 | 第18-21页 |
| 2.2.1 基于知识的人脸检测 | 第19页 |
| 2.2.2 基于不变特征的人脸检测 | 第19-20页 |
| 2.2.3 基于模板匹配的人脸检测 | 第20页 |
| 2.2.4 基于统计学习的人脸检测 | 第20-21页 |
| 2.3 图像预处理 | 第21-27页 |
| 2.3.1 几何归一化 | 第22页 |
| 2.3.2 直方图均衡化 | 第22-23页 |
| 2.3.3 Gamma校正 | 第23-25页 |
| 2.3.4 彩色图像灰度化 | 第25页 |
| 2.3.5 图像二值化 | 第25-26页 |
| 2.3.6 图像锐化 | 第26页 |
| 2.3.7 图像滤波 | 第26-27页 |
| 2.4 人脸识别 | 第27-29页 |
| 2.4.1 人脸特征提取过程 | 第27-29页 |
| 2.4.2 特征匹配过程 | 第29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 尺度不变特征变换(SIFT) | 第31-47页 |
| 3.1 尺度空间理论 | 第31-34页 |
| 3.1.1 高斯尺度空间 | 第31-32页 |
| 3.1.2 图像在尺度空间中的表示 | 第32-33页 |
| 3.1.3 图像金字塔结构 | 第33-34页 |
| 3.2 尺度不变特征变换(SIFT)算法原理 | 第34-44页 |
| 3.2.1 尺度空间极值检测 | 第36-39页 |
| 3.2.2 特征点的筛选 | 第39-41页 |
| 3.2.3 特征点方向确定 | 第41-43页 |
| 3.2.4 确定特征描述子 | 第43-44页 |
| 3.2.5 SIFT特征向量匹配 | 第44页 |
| 3.3 匹配评价标准 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 基于SIFT算法的改进方法 | 第47-59页 |
| 4.1 SIFT变体算法概述 | 第47-49页 |
| 4.2 结合Canny的改进算法 | 第49-51页 |
| 4.2.1 Canny算子简介 | 第49-50页 |
| 4.2.2 结合Canny算子 | 第50-51页 |
| 4.3 结合余弦相似度匹配的改进算法 | 第51-54页 |
| 4.3.1 余弦相似度匹配介绍 | 第51-53页 |
| 4.3.2 余弦距离和欧氏距离的对比 | 第53页 |
| 4.3.3 结合特征向量空间余弦相似度匹配 | 第53-54页 |
| 4.4 采用多重分块的改进算法 | 第54-56页 |
| 4.4.1 多重分块技术 | 第54-55页 |
| 4.4.2 SIFT多重分块的描述子 | 第55-56页 |
| 4.5 结合LBP算子的改进算法 | 第56-58页 |
| 4.5.1 LBP特征介绍 | 第56-57页 |
| 4.5.2 建立旋转不变LBP特征描述子 | 第57页 |
| 4.5.3 两个特征向量信息融合 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 仿真实验与结果分析 | 第59-71页 |
| 5.1 人脸数据库简介 | 第59-61页 |
| 5.1.1 ORL人脸数据库 | 第59-60页 |
| 5.1.2 Yale人脸数据库 | 第60页 |
| 5.1.3 FRGC v2.0人脸数据库 | 第60-61页 |
| 5.2 SIFT应用于人脸识别中的关键参数测试 | 第61-63页 |
| 5.2.1 尺度因子σ | 第62页 |
| 5.2.2 最小与次小距离比的阈值 | 第62-63页 |
| 5.3 基于Canny边缘检测的改进算法 | 第63-66页 |
| 5.3.1 边缘响应点去除方法对比 | 第63-64页 |
| 5.3.2 Canny算子引入结果分析 | 第64-66页 |
| 5.4 融合余弦相似度的改进算法 | 第66-68页 |
| 5.4.1 余弦相似度的经验阈值设定 | 第66-67页 |
| 5.4.2 双重匹配策略的识别效果分析 | 第67-68页 |
| 5.5 融合两种特征描述的改进算法 | 第68-69页 |
| 5.6 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
