基于粗集和小波变换的人脸识别研究
| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第1章 绪论 | 第14-22页 |
| ·人脸识别的研究背景及应用价值 | 第14-16页 |
| ·人脸识别的发展现状 | 第16-19页 |
| ·人脸识别的研究内容 | 第16-17页 |
| ·现有的人脸识别方法和系统 | 第17-19页 |
| ·现有的人脸识别方法 | 第17-18页 |
| ·现有的人脸识别系统 | 第18-19页 |
| ·人脸数据库 | 第19-21页 |
| ·本文的主要内容及章节安排 | 第21-22页 |
| 第2章 人脸识别技术的主要研究内容和常用方法 | 第22-32页 |
| ·引言 | 第22页 |
| ·人脸检测和定位方法 | 第22-23页 |
| ·基于人脸特征的方法 | 第22-23页 |
| ·基于模板的方法 | 第23页 |
| ·机器学习算法 | 第23页 |
| ·人脸特征识别 | 第23-31页 |
| ·特征脸法 | 第24-25页 |
| ·弹性网格方法 | 第25-26页 |
| ·小波变换方法 | 第26-27页 |
| ·隐马尔科夫方法 | 第27-28页 |
| ·人工神经网络方法 | 第28-30页 |
| ·基于局部特征的识别方法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于小波包变换的人脸图像预处理 | 第32-46页 |
| ·引言 | 第32页 |
| ·小波包变换的理论基础 | 第32-35页 |
| ·小波包定义 | 第33-34页 |
| ·小波包算法 | 第34-35页 |
| ·基于小波包分析的图像噪声去除 | 第35-38页 |
| ·图像噪声的产生和噪声分类 | 第35-37页 |
| ·利用小波包分析进行图像消噪 | 第37-38页 |
| ·基于小波包分析的图像压缩 | 第38-40页 |
| ·直方图均衡化 | 第40-42页 |
| ·人脸边缘提取 | 第42-43页 |
| ·本章小结 | 第43-46页 |
| 第4章 改进的PCA结合局部人脸特征识别方法 | 第46-66页 |
| ·引言 | 第46-47页 |
| ·PCA的理论基础 | 第47-51页 |
| ·K-L(Karhunen-Loeve)变换 | 第47-48页 |
| ·主成分分析(PCA) | 第48-51页 |
| ·粗集的理论基础 | 第51-54页 |
| ·基本概念 | 第51-53页 |
| ·粗集理论中的知识表示与约简 | 第53-54页 |
| ·粗集理论的应用方法 | 第54页 |
| ·基于PCA的人脸识别方法—特征脸方法 | 第54-59页 |
| ·建立人脸识别子空间 | 第55页 |
| ·选取特征向量 | 第55-56页 |
| ·提取人脸局部特征 | 第56-58页 |
| ·PCA与局部特征识别方法的结合 | 第58-59页 |
| ·基于粗集理论的人脸特征筛选 | 第59-60页 |
| ·实验及结果分析 | 第60-66页 |
| ·基于Gabor小波的人脸局部特征识别 | 第60-61页 |
| ·PCA方法中特征向量的选择 | 第61-63页 |
| ·基于粗集理论改进的识别方法 | 第63-66页 |
| 第5章 总结与展望 | 第66-68页 |
| ·工作总结 | 第66-67页 |
| ·人脸特征识别展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者在攻读硕士期间发表的论文 | 第74-75页 |
| 学位论文评阅及答辩情况表 | 第75页 |
