光照补偿在人像识别中的应用及改善
| 第一章 引言 | 第7-12页 |
| 1.1 生物特征识别技术 | 第7页 |
| 1.2 人脸识别技术 | 第7-9页 |
| 1.3 典型AFRI系统构成 | 第9-10页 |
| 1.4 本文的主要工作 | 第10-12页 |
| 第二章 人脸识别中的光照补偿概述 | 第12-24页 |
| 2.1 人脸识别中的光照补偿技术 | 第12页 |
| 2.2 多方法融合解决人脸检测中光照补偿的方法 | 第12-21页 |
| 2.2.1 多方法融合的思想 | 第12页 |
| 2.2.2 基于空间域的方法 | 第12-16页 |
| 2.2.3 基于频率域的方法-HomoFilt | 第16-18页 |
| 2.2.4 实验结果和比较 | 第18-21页 |
| 2.3 光照改善方法概述 | 第21-23页 |
| 2.3.1 光照改善方法的意义 | 第21页 |
| 2.3.2 几种常见的光照改善方法 | 第21-23页 |
| 2.4 光照补偿的应用现状 | 第23-24页 |
| 第三章 小波分析简介 | 第24-37页 |
| 3.1 小波分析的发展历史 | 第24-27页 |
| 3.1.1 小波分析的起源 | 第24-25页 |
| 3.1.2 多分辨分析及Mallat算法的建立 | 第25-26页 |
| 3.1.3 Daubechies小波的提出 | 第26-27页 |
| 3.2 小波分析的基本思想、基本原理与基本方法 | 第27-36页 |
| 3.2.1 小波分析的主要内容 | 第27页 |
| 3.2.2 小波分析的基本元素 | 第27-32页 |
| 3.2.3 小波分析的语法规则 | 第32-33页 |
| 3.2.4 各种变换的比较 | 第33-36页 |
| 3.3 影响小波变换的因素 | 第36-37页 |
| 第四章 用C++实现小波改善光照 | 第37-51页 |
| 4.1 基于小波分析的光照改善方法 | 第37-38页 |
| 4.2 用C＋＋实现小波变换及逆变换 | 第38-46页 |
| 4.2.1 小波改善光照的流程 | 第38-39页 |
| 4.2.2 用C＋＋实现光照改善 | 第39-46页 |
| 4.3 实验结果及分析 | 第46-50页 |
| 4.3.1 不同光照条件下的改善效果 | 第47-48页 |
| 4.3.2 不同曝光强度下的改善效果 | 第48-50页 |
| 4.4 小波改善光照的应用领域 | 第50-51页 |
| 第五章 应用实例 | 第51-59页 |
| 5.1 自动人像识别门禁系统 | 第51-56页 |
| 5.1.1 项目的目的意义 | 第51-52页 |
| 5.1.2 实际应用 | 第52-53页 |
| 5.1.3 应用领域和技术原理 | 第53-54页 |
| 5.1.4 性能指标 | 第54页 |
| 5.1.5 实现细节 | 第54-56页 |
| 5.2 人像屏幕保护系统 | 第56-58页 |
| 5.2.1 研究的目的意义 | 第56页 |
| 5.2.2 研究应用的理论和实际效果 | 第56-57页 |
| 5.2.3 实验的结果 | 第57-58页 |
| 5.3 其他的应用 | 第58-59页 |
| 5.3.1 考勤系统 | 第58页 |
| 5.3.2 其他应用 | 第58-59页 |
| 第六章 结束语 | 第59-60页 |
| 6.1 总结 | 第59页 |
| 6.2 未来的工作 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 摘要 | 第63-65页 |
| ABSTRACT | 第65页 |
