基于多尺度信息融合的人脸识别方法研究
| 中文摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 人脸识别方法介绍 | 第11-15页 |
| 1.2.1 基于灰度图像的人脸识别方法 | 第11-13页 |
| 1.2.2 基于视频的人脸识别方法 | 第13-14页 |
| 1.2.3 基于其它传感设备的人脸识别方法 | 第14-15页 |
| 1.3 信息融合技术简介 | 第15-16页 |
| 1.4 论文的主要内容和组织结构 | 第16-18页 |
| 第2章 HOG、LBP及其变种概述 | 第18-26页 |
| 2.1 基本的LBP描述子 | 第18-20页 |
| 2.1.1 原始的LBP | 第18-19页 |
| 2.1.2 圆形的LBP和等价模式的LBP | 第19-20页 |
| 2.2 其它类型的LBP描述子 | 第20-23页 |
| 2.2.1 分层的多尺度LBP | 第20-22页 |
| 2.2.2 LGBP描述子 | 第22-23页 |
| 2.3 HOG简介 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于多尺度信息融合的改进方法 | 第26-36页 |
| 3.1 关于人脸识别的多尺度特征工程 | 第26-27页 |
| 3.2 关于人脸识别的初始特征选择 | 第27-29页 |
| 3.3 基于图像距离函数的多尺度信息融合方法 | 第29-31页 |
| 3.4 实验与分析 | 第31-34页 |
| 3.4.1 实验步骤 | 第31页 |
| 3.4.2 在AR和FERET上的实验结果 | 第31-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第4章 自适应的多尺度信息融合方法 | 第36-50页 |
| 4.1 初始的多尺度特征提取 | 第37-39页 |
| 4.2 基于Fisher准则的评分方法 | 第39-41页 |
| 4.3 基于棱柱体积模型的最优集合选择方法 | 第41-44页 |
| 4.4 多尺度特征的融合 | 第44-45页 |
| 4.5 实验与分析 | 第45-48页 |
| 4.5.1 在ORL上的实验结果 | 第45-47页 |
| 4.5.2 在AR上的实验结果 | 第47-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文工作总结 | 第50-51页 |
| 5.2 未来工作展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 攻读学位期间承担的科研任务与主要成果 | 第58-60页 |
| 致谢 | 第60-62页 |
| 个人简历 | 第62-66页 |
