基于PCA的人脸识别研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·人脸识别技术研究的发展历程 | 第7-8页 |
| ·人脸识别技术及研究内容 | 第8-9页 |
| ·本文主要研究内容 | 第9页 |
| ·本文组织结构 | 第9-11页 |
| 第二章 数字图像预处理技术 | 第11-21页 |
| ·人脸图像的采集 | 第11页 |
| ·图像增强 | 第11-14页 |
| ·灰度变换 | 第12-13页 |
| ·图像平滑 | 第13-14页 |
| ·二值化 | 第14-16页 |
| ·图像分割 | 第16-17页 |
| ·直方图阈值法 | 第16-17页 |
| ·最佳阈值法 | 第17页 |
| ·颜色空间 | 第17-19页 |
| ·RGB 模型 | 第18页 |
| ·YCbCr 颜色空间 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 ADABOOST 人脸检测 | 第21-32页 |
| ·集成学习 | 第21-22页 |
| ·弱学习与强学习 | 第21-22页 |
| ·集成学习的主要集成方式 | 第22页 |
| ·ADABOOST 算法及其性能分析 | 第22-25页 |
| ·算法原理 | 第23-24页 |
| ·算法性能分析 | 第24-25页 |
| ·基于 ADABOOST 人脸检测算法的实现方案 | 第25-31页 |
| ·Haar- like 特征 | 第26-27页 |
| ·积分图 | 第27-29页 |
| ·弱分类器 | 第29页 |
| ·分类器级联 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于 PCA 及 2DPCA 的人脸识别 | 第32-47页 |
| ·PCA 的概念和原理 | 第32-33页 |
| ·PCA 的概念 | 第32页 |
| ·PCA 的原理 | 第32-33页 |
| ·PCA 人脸识别 | 第33-38页 |
| ·构造特征脸空间 | 第33-35页 |
| ·训练样本图像的特征提取 | 第35-36页 |
| ·距离函数的选择 | 第36-37页 |
| ·基于特征脸的人脸识别 | 第37-38页 |
| ·2DPCA 人脸识别 | 第38-40页 |
| ·2DPCA 的基本思想 | 第38-39页 |
| ·2DPCA 人脸特征提取 | 第39-40页 |
| ·2DPCA 人脸识别 | 第40页 |
| ·2DPCA 方法的改进——2DDPCA | 第40-41页 |
| ·实验结果与分析 | 第41-46页 |
| ·实验设计及实验结果 | 第41-45页 |
| ·三种方法之间的比较 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 人脸识别系统的设计与实现 | 第47-57页 |
| ·系统的总体结构 | 第47页 |
| ·系统设计与实现 | 第47-50页 |
| ·系统的开发环境 | 第47-48页 |
| ·系统详细设计 | 第48-50页 |
| ·系统各个模块运行结果 | 第50-55页 |
| ·本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-64页 |
