基于改进PCA与BP神经网络的人脸识别算法
| 中文摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究的主要内容与组织结构 | 第11-13页 |
| 1.3.1 主要内容 | 第11页 |
| 1.3.2 组织结构 | 第11-13页 |
| 第二章 人脸图像预处理 | 第13-21页 |
| 2.0 图像预处理过程 | 第13页 |
| 2.1 灰度化处理 | 第13-15页 |
| 2.2 中值滤波 | 第15-17页 |
| 2.3 边缘锐化 | 第17-18页 |
| 2.4 归一化处理 | 第18-20页 |
| 2.5 小结 | 第20-21页 |
| 第三章 人脸特征提取 | 第21-29页 |
| 3.1 人脸识别的常用特征 | 第21-26页 |
| 3.1.1 LBP特征提取 | 第21-22页 |
| 3.1.2 Haar-like特征 | 第22-24页 |
| 3.1.3 HOG特征描述 | 第24-25页 |
| 3.1.4 SIFT特征描述算子 | 第25-26页 |
| 3.2 PCA特征 | 第26-27页 |
| 3.3 小结 | 第27-29页 |
| 第四章 人脸识别 | 第29-37页 |
| 4.1 常用分类方法 | 第29-32页 |
| 4.1.1 最近邻算法 | 第29-30页 |
| 4.1.2 支持向量机 | 第30-31页 |
| 4.1.3 BP神经网络 | 第31-32页 |
| 4.2 改进的BP神经网络 | 第32-34页 |
| 4.2.1 添加动量项 | 第33页 |
| 4.2.2 弹性梯度下降法 | 第33页 |
| 4.2.3 新的权重调整方法 | 第33-34页 |
| 4.3 实验结果 | 第34-37页 |
| 第五章 总结与展望 | 第37-39页 |
| 5.1 总结 | 第37页 |
| 5.2 展望 | 第37-39页 |
| 参考文献 | 第39-41页 |
| 致谢 | 第41-42页 |
