基于变换域和PCA的人脸识别方法研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-20页 |
| ·引言 | 第7-8页 |
| ·人脸识别的理论研究 | 第8-11页 |
| ·人脸识别的发展 | 第8-9页 |
| ·人脸识别的研究内容 | 第9-10页 |
| ·人脸识别的优势与难点 | 第10-11页 |
| ·人脸识别的应用领域 | 第11页 |
| ·几种典型的人脸识别方法 | 第11-17页 |
| ·基于几何特征的人脸识别方法 | 第11-13页 |
| ·基于 K-L变换的特征脸方法 | 第13-14页 |
| ·神经网络方法 | 第14-15页 |
| ·弹性图匹配脸部识别方法 | 第15-16页 |
| ·隐马尔可夫模型的脸部识别方法 | 第16页 |
| ·基于 FISHER线性判别式的方法 | 第16-17页 |
| ·基于小波包的面部识别方法 | 第17页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的内容安排 | 第18-20页 |
| 第二章 人脸图像的预处理 | 第20-31页 |
| ·引言 | 第20页 |
| ·基于灰度投影函数的眼睛定位方法 | 第20-26页 |
| ·人脸眼部区域的粗定位 | 第21-24页 |
| ·人眼分割阈值区间的估计及精确定位 | 第24-25页 |
| ·实验结果 | 第25-26页 |
| ·去噪 | 第26-28页 |
| ·中值滤波介绍 | 第26-27页 |
| ·快速中值滤波算法 | 第27-28页 |
| ·归一化 | 第28-29页 |
| ·大小归一化 | 第28页 |
| ·灰度归一化 | 第28-29页 |
| ·位置归一化 | 第29页 |
| ·镜像与旋转 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 PCA方法 | 第31-38页 |
| ·引言 | 第31页 |
| ·特征脸法 | 第31-36页 |
| ·求特征向量 | 第31-33页 |
| ·特征向量的选取 | 第33-34页 |
| ·求特征脸 | 第34页 |
| ·距离测量 | 第34-36页 |
| ·识别 | 第36页 |
| ·实验结果 | 第36-38页 |
| 第四章 基于小波域与 PCA的快速人脸识别 | 第38-51页 |
| ·引言 | 第38页 |
| ·小波方法 | 第38-42页 |
| ·小波变换与多分辨率分析 | 第38-41页 |
| ·小波变换后的各层子图在人脸识别中的应用 | 第41-42页 |
| ·小波低频与 PCA结合的人脸识别方法 | 第42-44页 |
| ·算法描述 | 第42-44页 |
| ·实验结果 | 第44页 |
| ·加权小波子带与 PCA结合的人脸识别方法 | 第44-48页 |
| ·算法描述 | 第44-47页 |
| ·实验结果 | 第47-48页 |
| ·低频特征与高频特征的融合 | 第48-50页 |
| ·算法描述 | 第48-49页 |
| ·实验结果 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于 DCT域与 PCA的快速人脸识别 | 第51-59页 |
| ·引言 | 第51页 |
| ·DCT域的多分辨率重组 | 第51-53页 |
| ·基于 DCT系数重组的特征脸算法 | 第53-55页 |
| ·训练算法 | 第53-54页 |
| ·识别算法 | 第54-55页 |
| ·识别时间分析 | 第55页 |
| ·实验结果与分析 | 第55-57页 |
| ·识别率实验 | 第56-57页 |
| ·特征向量个数的确定 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-63页 |
| 致谢 | 第63-60页 |
| 参考文献 | 第60-62页 |
| 读研期间的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 论文独创性声明 | 第64页 |
| 论文使用授权声明 | 第64-65页 |
