基于PCA的人脸识别系统的设计与研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及其意义 | 第9页 |
| 1.2 人脸识别的国内外发展现状 | 第9-11页 |
| 1.3 人脸识别技术存在的困难 | 第11页 |
| 1.4 本文主要研究内容 | 第11-12页 |
| 1.5 论文章节结构 | 第12-15页 |
| 第2章 基于Matlab软件的图像预处理方法 | 第15-27页 |
| 2.1 Matlab软件的概述及功能 | 第15-17页 |
| 2.1.1 Matlab软件概述 | 第15页 |
| 2.1.2 Matlab软件的基本功能及函数 | 第15-17页 |
| 2.2 人脸图像预处理方法 | 第17-26页 |
| 2.2.1 图像的灰度变换 | 第17-20页 |
| 2.2.2 图像直方图均衡化 | 第20-22页 |
| 2.2.3 图像的平滑处理 | 第22-23页 |
| 2.2.4 图像几何归一化 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于PCA的人脸识别算法研究 | 第27-37页 |
| 3.1 PCA的概念及原理 | 第27-28页 |
| 3.1.1 PCA的概念 | 第27-28页 |
| 3.1.2 PCA的原理 | 第28页 |
| 3.2 基于PCA的人脸识别 | 第28-34页 |
| 3.2.1 读入人脸数据库 | 第29页 |
| 3.2.2 K-L变换 | 第29-31页 |
| 3.2.3 SVD定理 | 第31-32页 |
| 3.2.4 求特征脸空间 | 第32-33页 |
| 3.2.5 距离函数 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-35页 |
| 3.4 基于PCA人脸识别方法的不足及改进方法 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于支持向量机的人脸分类算法 | 第37-49页 |
| 4.1 概述 | 第37页 |
| 4.2 支持向量机 | 第37-45页 |
| 4.2.1 线性支持向量机 | 第37-41页 |
| 4.2.2 非线性支持向量机与核函数 | 第41-42页 |
| 4.2.3 多分类支持向量机 | 第42-45页 |
| 4.3 支持向量机的训练 | 第45页 |
| 4.4 支持向量机的特点及优势 | 第45-46页 |
| 4.5 实验结果及分析 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第5章 人脸识别系统的设计及仿真实现 | 第49-59页 |
| 5.1 引言 | 第49页 |
| 5.2 系统结构设计 | 第49-50页 |
| 5.3 仿真系统的软硬件准备 | 第50页 |
| 5.4 仿真功能的实现 | 第50-56页 |
| 5.4.1 系统仿真实验的设计思路 | 第50-52页 |
| 5.4.2 基于Matlab软件的仿真实现 | 第52-56页 |
| 5.5 实验结果及分析 | 第56-58页 |
| 5.6 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-68页 |
| 个人简历 | 第68页 |
