基于LDP的人脸识别方法研究
| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 面部检测 | 第15-16页 |
| 1.2.2 特征提取 | 第16-17页 |
| 1.2.3 面部识别与分类 | 第17页 |
| 1.3 面部数据库介绍 | 第17-18页 |
| 1.4 本文研究内容和论文结构 | 第18-20页 |
| 第2章 人脸图像预处理 | 第20-26页 |
| 2.1 引言 | 第20页 |
| 2.2 光照归一化 | 第20-21页 |
| 2.3 图像去噪处理 | 第21-22页 |
| 2.4 人脸检测 | 第22-24页 |
| 2.4.1 灰度积分投影 | 第22-23页 |
| 2.4.2 基于二次灰度积分投影的人脸检测 | 第23-24页 |
| 2.5 尺寸归一化处理 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 局部方向模式及其改进 | 第26-32页 |
| 3.1 局部二值模式（ LBP） | 第26-27页 |
| 3.1.1 局部二值模式的基础理论 | 第26-27页 |
| 3.1.2 局部二值模式的发展和改进 | 第27页 |
| 3.2 局部方向模式（ LDP）的基础理论 | 第27-29页 |
| 3.3 基于主方向归一化的局部方向模式方法 | 第29-30页 |
| 3.4 基于分块的局部方向模式方法 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于LDP和贝叶斯模型的人脸识别 | 第32-38页 |
| 4.1 引言 | 第32-33页 |
| 4.2 基于LDP和贝叶斯模型的识别方法 | 第33-35页 |
| 4.3 仿真结果和分析 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 基于DCT和LDP集成分类器的人脸识别 | 第38-46页 |
| 5.1 引言 | 第38-39页 |
| 5.2 离散余弦变换（DCT） | 第39页 |
| 5.3 平均最大距离梯度幅值（AMDGM） | 第39-40页 |
| 5.4 多任务学习 | 第40页 |
| 5.5 基于DCT和LDP集成分类器的识别方法 | 第40-44页 |
| 5.5.1 DCT和LDP的特征提取 | 第41-42页 |
| 5.5.2 基于神经网络的集成分类器模型 | 第42-44页 |
| 5.6 实验结果及分析 | 第44-45页 |
| 5.7 本章小结 | 第45-46页 |
| 总结与展望 | 第46-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53-54页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第54页 |
