四种人脸识别方法研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-26页 |
| ·选题意义及课题来源 | 第10-11页 |
| ·选题意义 | 第10-11页 |
| ·课题来源 | 第11页 |
| ·国内外研究现状 | 第11-20页 |
| ·人脸识别发展阶段 | 第11页 |
| ·主流算法 | 第11-20页 |
| ·人脸识别问题中的难点及发展方向 | 第20-23页 |
| ·本文的主要工作 | 第23-24页 |
| ·本文的组织 | 第24-26页 |
| 2 基于 Gabor 变换的仿生人脸识别方法 | 第26-44页 |
| ·引言 | 第26-27页 |
| ·基本概念 | 第27-38页 |
| ·Gabor 小波 | 第27-32页 |
| ·Gabor 滤波器提取目标特征 | 第32-33页 |
| ·二维主成分分析 | 第33-34页 |
| ·仿生人脸模式识别的思想基础 | 第34-38页 |
| ·Gabor_2DPCA_Bionic 人脸识别 | 第38-39页 |
| ·二维主成分分析人脸图像特征降维 | 第38页 |
| ·人脸图像分类 | 第38-39页 |
| ·实验结果及分析 | 第39-42页 |
| ·Yale B 数据库实验结果 | 第39-40页 |
| ·PIE 数据库实验结果 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 3 相关性子空间人脸识别方法 | 第44-64页 |
| ·引言 | 第44-46页 |
| ·相关性子空间人脸识别方法 | 第46-53页 |
| ·多维尺度分析 | 第46-49页 |
| ·基于相关性度量的多维尺度分析 | 第49-50页 |
| ·相关性多维尺度分析与核主成分分析的联系 | 第50-53页 |
| ·核相关性多维尺度分析 | 第53-55页 |
| ·实验结果 | 第55-62页 |
| ·数据可视化实验 | 第56-58页 |
| ·人脸识别实验 | 第58-61页 |
| ·数字识别实验 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 4 局部匹配的人脸识别方法 | 第64-78页 |
| ·引言 | 第64-66页 |
| ·相关工作 | 第66-68页 |
| ·局部匹配的人脸识别方法 | 第68-73页 |
| ·人脸图像划分 | 第68-70页 |
| ·Adaboost 算法思想 | 第70-71页 |
| ·局部匹配的人脸识别 | 第71-73页 |
| ·实验结果及分析 | 第73-75页 |
| ·实验结果 | 第73-75页 |
| ·结果分析 | 第75页 |
| ·本章小结 | 第75-78页 |
| 5 非负稀疏表示的人脸识别方法 | 第78-92页 |
| ·引言 | 第78-80页 |
| ·基于稀疏表示的人脸识别 | 第80-83页 |
| ·问题的提出 | 第80-81页 |
| ·稀疏模型和求解 | 第81-83页 |
| ·非负稀疏表示的人脸识别方法 | 第83-87页 |
| ·模型推导 | 第83-86页 |
| ·非负稀疏表示识别方法 | 第86-87页 |
| ·实验结果与分析 | 第87-90页 |
| ·添加随机位置像素噪声人脸图像识别 | 第87-89页 |
| ·添加随机集中像素噪声人脸图像识别 | 第89-90页 |
| ·本章小结 | 第90-92页 |
| 6 总结与展望 | 第92-94页 |
| 致谢 | 第94-96页 |
| 参考文献 | 第96-106页 |
| 附录 | 第106-107页 |
| A 在读期间发表的学术论文 | 第106页 |
| B 在读期间已投学术论文 | 第106页 |
| C 在读期间取得的科研成果 | 第106-107页 |
