基于LPP算法的人脸识别技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-21页 |
| ·课题研究背景和意义 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·人脸识别的国内外研究现状 | 第10-12页 |
| ·人脸识别的研究内容及主要方法 | 第12-17页 |
| ·研究内容 | 第12-14页 |
| ·人脸识别主要方法 | 第14-17页 |
| ·流形学习理论和方法 | 第17-19页 |
| ·本文的研究内容及主要工作 | 第19-20页 |
| ·论文的结构 | 第20-21页 |
| 第二章 人脸图像的预处理 | 第21-28页 |
| ·人脸库的选取 | 第21-23页 |
| ·人脸图像预处理 | 第23-27页 |
| ·图像噪声滤波 | 第23-24页 |
| ·图像灰度均衡化 | 第24-25页 |
| ·图像旋转 | 第25-26页 |
| ·图像姿态归一化 | 第26-27页 |
| ·图像尺度归一化 | 第27页 |
| ·小结 | 第27-28页 |
| 第三章 基于中心域的LPP算法 | 第28-35页 |
| ·LBP全局特征提取 | 第28-30页 |
| ·保局投影 | 第30-31页 |
| ·保局投影算法原理 | 第30页 |
| ·保局投影算法 | 第30-31页 |
| ·基于中心域的LPP算法 | 第31-32页 |
| ·欧几里德距离 | 第31页 |
| ·中心域的LPP算法 | 第31-32页 |
| ·实验结果及分析 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第四章 基于约束LPP的人脸识别 | 第35-45页 |
| ·保局投影算法 | 第35页 |
| ·有监督保局投影(SLPP) | 第35-37页 |
| ·监督流形学习 | 第35-36页 |
| ·有监督保局投影(SLPP) | 第36-37页 |
| ·半监督聚类算法 | 第37-39页 |
| ·基于约束的半监督聚类算法 | 第37-38页 |
| ·基于距离的半监督聚类方法 | 第38-39页 |
| ·半监督拉普拉斯特征映射算法 | 第39-41页 |
| ·拉普拉斯特征映射 | 第39-40页 |
| ·半监督拉普拉斯特征映射算法 | 第40-41页 |
| ·约束LPP算法 | 第41-42页 |
| ·问题引入 | 第41页 |
| ·约束LPP算法 | 第41-42页 |
| ·实验结果及分析 | 第42-43页 |
| ·小结 | 第43-45页 |
| 第五章 基于最近邻分布的人脸识别 | 第45-51页 |
| ·决策理论方法 | 第45页 |
| ·最近邻域分类法 | 第45-48页 |
| ·最近邻分布分类法 | 第48-49页 |
| ·分布思想 | 第48页 |
| ·基于最近邻分布的识别 | 第48-49页 |
| ·实验结果分析 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第六章 人脸识别原型系统的设计与实现 | 第51-59页 |
| ·概述 | 第51页 |
| ·原型系统的主要框架 | 第51-52页 |
| ·核心类的设计与实现 | 第52-55页 |
| ·图像处理基本类的设计 | 第52-54页 |
| ·矩阵类的设计 | 第54-55页 |
| ·原型系统实现 | 第55-58页 |
| ·小结 | 第58-59页 |
| 第七章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表的论文 | 第66页 |
