基于神经网络的人脸识别研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-21页 |
| ·生物识别技术介绍 | 第12页 |
| ·人脸识别技术介绍 | 第12-13页 |
| ·人脸识别总体流程 | 第13-14页 |
| ·人脸识别方法简介 | 第14-17页 |
| ·早期人脸识别有两大方向 | 第14页 |
| ·通常将人脸正面自动模式识别技术分为三大类 | 第14-16页 |
| ·根据研究模式的不同,目前主要有两个方向 | 第16-17页 |
| ·国内外人脸识别研究现状 | 第17-18页 |
| ·人脸数据库介绍 | 第18-19页 |
| ·本论文研究内容 | 第19-21页 |
| 第2章 图像处理的基础理论和改进方法 | 第21-27页 |
| ·图像处理的基本方法 | 第21-25页 |
| ·滤波 | 第21-22页 |
| ·图像对比度的增强 | 第22-25页 |
| ·实验结果 | 第25-27页 |
| 第3章 人脸图像的特征提取 | 第27-40页 |
| ·特征提取方法介绍 | 第27-28页 |
| ·数学基础 | 第28-30页 |
| ·PCA变换 | 第28-29页 |
| ·离散K-L变换 | 第29-30页 |
| ·特征脸法 | 第30-33页 |
| ·人脸空间的建立 | 第30-32页 |
| ·特征向量的选取 | 第32-33页 |
| ·特征脸法的优缺点分析 | 第33页 |
| ·FISHER脸法 | 第33-34页 |
| ·Fisher脸法基本原理 | 第33-34页 |
| ·一维PCA小结 | 第34页 |
| ·基于2DPCA的人脸识别 | 第34-37页 |
| ·2DPCA思想与算法 | 第34-35页 |
| ·特征提取 | 第35-36页 |
| ·实验结果与分析 | 第36-37页 |
| ·改进的2DPCA | 第37-39页 |
| ·改进的2DPCA算法思想 | 第38页 |
| ·特征提取 | 第38页 |
| ·实验结果与分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 径向基神经网络分类器 | 第40-52页 |
| ·引言 | 第40-41页 |
| ·人工神经网络分类器 | 第41-42页 |
| ·基本RBF神经网络 | 第42-43页 |
| ·基本学习策略 | 第43-44页 |
| ·RBF神经网络设计 | 第44-48页 |
| ·实验过程及分析 | 第48-51页 |
| ·学习率的选择 | 第48页 |
| ·特征向量维数与隐层节点数目的关系 | 第48-49页 |
| ·不同K-L阈值对网络的影响 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第58页 |
