光照鲁棒的人脸检测和人脸识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·人脸检测和识别技术的现状和未来 | 第9-10页 |
| ·人脸识别简介 | 第10-12页 |
| ·人脸识别系统 | 第10-11页 |
| ·人脸识别技术的发展历程 | 第11-12页 |
| ·文本研究内容和章节安排 | 第12-14页 |
| 第2章 光照补偿处理 | 第14-27页 |
| ·引言 | 第14-15页 |
| ·Retinex算法 | 第15-21页 |
| ·单尺度Retinex算法 | 第16-18页 |
| ·多尺度Retinex算法 | 第18-19页 |
| ·McCann's Retinex算法 | 第19-21页 |
| ·自适应单尺度Retinex算法 | 第21-24页 |
| ·自适应平滑的基本框架 | 第21-22页 |
| ·自适应滤波具体方法 | 第22-24页 |
| ·光照补偿实验结果分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 人脸检测 | 第27-39页 |
| ·人脸检测 | 第27-28页 |
| ·Viola-Jones人脸检测算法 | 第28-35页 |
| ·PAC学习模型 | 第28-29页 |
| ·Viola-Jones算法 | 第29-35页 |
| ·算法性能验证 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 稀疏表示人脸识别 | 第39-63页 |
| ·主成分分析方法 | 第39-42页 |
| ·K-L变换 | 第39-41页 |
| ·主成分分析法原理 | 第41-42页 |
| ·线性鉴别分析法 | 第42-45页 |
| ·稀疏表示人脸识别算法 | 第45-55页 |
| ·压缩感知理论 | 第46-48页 |
| ·感知过程和重构条件 | 第48-49页 |
| ·重构方法 | 第49-51页 |
| ·稀疏表示分类法原理 | 第51-55页 |
| ·结合PCA和Meta-face的稀疏表示算法 | 第55-57页 |
| ·实验结果与分析 | 第57-62页 |
| ·ORL人脸数据库对比实验 | 第58-59页 |
| ·Yale-B人脸库对比试验 | 第59-60页 |
| ·自建人脸数据库实验 | 第60-61页 |
| ·实验结果分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 总结和展望 | 第63-65页 |
| ·论文总结 | 第63页 |
| ·后续工作展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
