融合多种图像特征的人像检索技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·图像检索中的分类 | 第12页 |
| ·人脸识别技术 | 第12-13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·论文的结构 | 第14-16页 |
| 第二章 人像检索中的分类预处理 | 第16-32页 |
| ·图像的颜色特征 | 第16-20页 |
| ·色彩空间模型 | 第16-18页 |
| ·颜色特征的表达与匹配 | 第18-20页 |
| ·图像的纹理特征 | 第20-21页 |
| ·纹理模型 | 第20-21页 |
| ·纹理描述 | 第21页 |
| ·图像的形状特征 | 第21-23页 |
| ·融合多特征的图像检索 | 第23-26页 |
| ·特征归一化 | 第23页 |
| ·融合颜色与纹理的检索 | 第23-26页 |
| ·融合纹理与形状的检索 | 第26页 |
| ·分类器的选择 | 第26-30页 |
| ·决策树分类中的ID3算法 | 第26-27页 |
| ·决策树分类中的C4.5算法 | 第27-28页 |
| ·其它决策树算法 | 第28-29页 |
| ·决策树剪枝技术 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 人像检索中的人脸识别 | 第32-42页 |
| ·人脸识别中的局部特征 | 第32-34页 |
| ·基于几何特征的人脸识别 | 第32页 |
| ·基于局部二值模式的人脸识别 | 第32-34页 |
| ·基于全局特征的人脸识别 | 第34-35页 |
| ·主成分分析法 | 第34页 |
| ·Gabor小波变换 | 第34-35页 |
| ·基于特征融合的人脸识别 | 第35页 |
| ·分类器的选择 | 第35-40页 |
| ·神经网络模型 | 第36-37页 |
| ·神经网络的拓扑结构 | 第37-39页 |
| ·BP神经网络 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 人像检索实验 | 第42-54页 |
| ·分类预处理 | 第42-49页 |
| ·图像特征提取 | 第43-47页 |
| ·融合多特征的决策树分类 | 第47-49页 |
| ·人脸识别 | 第49-53页 |
| ·人脸检测与分割 | 第49-51页 |
| ·融合人脸全局与局部特征 | 第51-52页 |
| ·基于神经网络的人脸识别 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 分类器准确率的评估 | 第54-62页 |
| ·准确率的度量 | 第54-56页 |
| ·样本错误率与真实错误率 | 第54-55页 |
| ·估计中的二项分布 | 第55-56页 |
| ·评估方法 | 第56-57页 |
| ·保持法与随机子抽样法 | 第56-57页 |
| ·交叉验证法 | 第57页 |
| ·自助法 | 第57页 |
| ·分析与改进 | 第57-59页 |
| ·实验与分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
