基于小波变换的人脸识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-21页 |
| 1.2.1 基于几何特征的方法 | 第15-16页 |
| 1.2.2 特征脸方法 | 第16-17页 |
| 1.2.3 基于神经网络的方法 | 第17-18页 |
| 1.2.4 弹性图匹配 | 第18-19页 |
| 1.2.5 隐马尔可夫模型 | 第19-20页 |
| 1.2.6 人脸识别研究内容和难点 | 第20-21页 |
| 1.3 论文主要研究内容 | 第21-22页 |
| 第二章 人脸图像预处理 | 第22-48页 |
| 2.1 数论变换 | 第22-23页 |
| 2.1.1 一维数论变换 | 第22页 |
| 2.1.2 二维数论变换 | 第22-23页 |
| 2.2 快速数论变换 | 第23-25页 |
| 2.2.1 快速数论变换算法与推导 | 第23-25页 |
| 2.2.2 算法步骤 | 第25页 |
| 2.3 人脸图像库 | 第25-27页 |
| 2.4 基于小波分析技术的人脸识别 | 第27-40页 |
| 2.4.1 连续小波变换 | 第28-30页 |
| 2.4.2 离散小波变换 | 第30-31页 |
| 2.4.3 Mallat算法 | 第31-40页 |
| 2.4.4 正交小波变换 | 第40页 |
| 2.5 人脸图像识别的预处理方法 | 第40-47页 |
| 2.5.1 直方图均衡化 | 第41-42页 |
| 2.5.2 灰度拉伸 | 第42页 |
| 2.5.3 中值滤波 | 第42-43页 |
| 2.5.4 同态滤波 | 第43-45页 |
| 2.5.5 像素平均法和能量归一化 | 第45-47页 |
| 2.6 本章小结 | 第47-48页 |
| 第三章 人脸特征提取 | 第48-55页 |
| 3.1 光照归一化 | 第48页 |
| 3.2 尺度归一化 | 第48-49页 |
| 3.3 特征提取以及变换矩阵的计算 | 第49-54页 |
| 3.3.1 KL变换和PCA分析理论 | 第51-53页 |
| 3.3.2 特征脸的计算 | 第53-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 统计理论及支持向量机 | 第55-65页 |
| 4.1 机器学习 | 第55-56页 |
| 4.2 统计学习理论和支持向量机 | 第56-61页 |
| 4.2.1 线性支持向量机 | 第57-59页 |
| 4.2.2 非线性支持向量机 | 第59页 |
| 4.2.3 支持向量机的核函数 | 第59-61页 |
| 4.3 人脸识别过程 | 第61-62页 |
| 4.4 测试实验及结果分析 | 第62-64页 |
| 4.4.1 单张人脸图像测试 | 第62-63页 |
| 4.4.2 样本数量对测试结果的影响 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 结论与展望 | 第65-67页 |
| 5.1 结论 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
