基于统计特征的人脸识别技术研究
| 第一章 绪论 | 第1-24页 |
| ·人脸识别技术概论 | 第11-20页 |
| ·人脸识别技术的研究内容 | 第11-12页 |
| ·人脸检测和识别的主要方法 | 第12-20页 |
| ·人脸检测方法 | 第12-16页 |
| ·人脸识别方法 | 第16-20页 |
| ·人脸识别发展现状及应用前景 | 第20-21页 |
| ·论文题目来源 | 第21页 |
| ·本文的工作和创新点 | 第21-22页 |
| ·论文结构 | 第22-24页 |
| 第二章 基于统计的人脸识别方法 | 第24-42页 |
| ·引言 | 第24页 |
| ·特征脸方法 | 第24-32页 |
| ·K-L变换 | 第24-26页 |
| ·K-L展开式的性质 | 第26-28页 |
| ·K-L坐标系的产生矩阵 | 第28页 |
| ·特征脸方法 | 第28-32页 |
| ·独立元分析方法 | 第32-34页 |
| ·线性鉴别分析方法 | 第34-37页 |
| ·奇异值分解特征法 | 第37-41页 |
| ·小结 | 第41-42页 |
| 第三章 基于多特征的人脸识别方法 | 第42-72页 |
| ·引言 | 第42页 |
| ·基本理论 | 第42-58页 |
| ·小波理论及多分辨率分析 | 第42-44页 |
| ·支持向量机 | 第44-53页 |
| ·最优分类超平面 | 第45-46页 |
| ·构造最优超平面 | 第46-48页 |
| ·线性不可分情况下构造最优超平面 | 第48-49页 |
| ·构造广义最优超平面 | 第49-50页 |
| ·支持向量机的原理和实现 | 第50-53页 |
| ·分类器 | 第53-58页 |
| ·最小距离分类器 | 第53-54页 |
| ·最大相关分类器 | 第54-55页 |
| ·最近邻特征线分类器 | 第55-58页 |
| ·一种新的多特征和多分类器结合的识别算法 | 第58-66页 |
| ·预处理 | 第58-59页 |
| ·特征提取 | 第59-61页 |
| ·局部自相关特征 | 第60-61页 |
| ·混合特征的构建 | 第61页 |
| ·分类 | 第61-63页 |
| ·实验 | 第63-66页 |
| ·一种新的利用多特征和支持向量机的识别方法 | 第66-71页 |
| ·特征提取 | 第67页 |
| ·算法描述 | 第67-68页 |
| ·多类分类问题的解决 | 第68-70页 |
| ·实验及结果 | 第70-71页 |
| ·小结 | 第71-72页 |
| 第四章 基于局部特征融合的人脸识别方法 | 第72-87页 |
| ·引言 | 第72页 |
| ·基本原理 | 第72-83页 |
| ·人脸局部特征检测 | 第72-79页 |
| ·灰度标准化 | 第72-73页 |
| ·方向投影及变化投影函数 | 第73-76页 |
| ·人脸器官分布的知识规则 | 第76-79页 |
| ·特征提取 | 第79-80页 |
| ·融合和分类 | 第80-83页 |
| ·Boosting原理 | 第80-82页 |
| ·一种基于Boosting的新型组合分类器 | 第82-83页 |
| ·算法框架 | 第83页 |
| ·实验 | 第83-84页 |
| ·实验结果 | 第84-85页 |
| ·小结 | 第85-87页 |
| 第五章 基于频谱和径向基函数网络的人脸识别方法 | 第87-109页 |
| ·引言 | 第87页 |
| ·基本理论 | 第87-97页 |
| ·傅立叶变换和傅立叶频谱 | 第88-91页 |
| ·一维傅立叶变换 | 第88页 |
| ·二维傅立叶变换 | 第88-89页 |
| ·幅度谱、相位谱、能量谱 | 第89页 |
| ·二维傅立叶变换的性质 | 第89-91页 |
| ·频谱脸 | 第91-92页 |
| ·径向基函数网络 | 第92-97页 |
| ·用于插值的径向基函数 | 第92-93页 |
| ·用于模式识别的径向基函数 | 第93-94页 |
| ·径向基函数网络 | 第94-97页 |
| ·特征提取和频谱特征脸 | 第97-98页 |
| ·算法 | 第98-100页 |
| ·实验 | 第100-107页 |
| ·人脸库 | 第100-103页 |
| ·实验一及结果 | 第103-104页 |
| ·实验二及结果 | 第104-107页 |
| ·多特征+RBFN算法与其他算法的比较 | 第104-105页 |
| ·对于单训练样本情况的实验及结果 | 第105-107页 |
| ·小结 | 第107-109页 |
| 第六章 利用互信息和混合特征的人脸识别方法 | 第109-120页 |
| ·引言 | 第109页 |
| ·熵和互信息 | 第109-111页 |
| ·两步人脸识别算法 | 第111-113页 |
| ·为什么使用互信息 | 第111页 |
| ·具体算法 | 第111-113页 |
| ·实验 | 第113-119页 |
| ·实验用的人脸库 | 第113-116页 |
| ·实验结果 | 第116-119页 |
| ·小结 | 第119-120页 |
| 第七章 光照条件变化的人脸识别的研究 | 第120-137页 |
| ·引言 | 第120-122页 |
| ·光照子空间方法 | 第122-129页 |
| ·多视角子空间 | 第122-123页 |
| ·多光照子空间 | 第123-126页 |
| ·实验 | 第126-129页 |
| ·实验结果 | 第129页 |
| ·虚拟脸 | 第129-135页 |
| ·基本原理 | 第130页 |
| ·具体算法描述 | 第130-132页 |
| ·实验和结果 | 第132-135页 |
| ·小结 | 第135-137页 |
| 第八章 结束语 | 第137-140页 |
| ·本文的主要工作 | 第137-138页 |
| ·本文的不足及未来展望 | 第138-140页 |
| 致谢 | 第140-141页 |
| 参考文献 | 第141-152页 |
| 附录：攻读博士学位期间所做科研工作及发表的论文 | 第152-154页 |
| 西北工业大学学位论文知识产权声明书 | 第154页 |
| 西北工业大学学位论文原创性声明 | 第154页 |
