DWT和FAST PCA与SVM在人脸识别技术中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·人脸识别研究目的和意义 | 第10-11页 |
| ·人脸识别的研究历史与现状 | 第11-13页 |
| ·人脸识别的发展趋势 | 第13-14页 |
| ·人脸图像识别的应用领域 | 第14-15页 |
| ·论文结构安排 | 第15-16页 |
| 第二章 人脸图像预处理与检测 | 第16-24页 |
| ·引言 | 第16页 |
| ·人脸图像预处理 | 第16-21页 |
| ·灰度化处理 | 第16-17页 |
| ·去噪处理 | 第17-19页 |
| ·归一化处理 | 第19-21页 |
| ·人脸图像检测 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 人脸特征提取 | 第24-32页 |
| ·引言 | 第24页 |
| ·离散小波分解 | 第24-26页 |
| ·PCA特征提取 | 第26-27页 |
| ·PCA的原理 | 第26-27页 |
| ·PCA的缺点 | 第27页 |
| ·改进的PCA算法 | 第27-28页 |
| ·结合DWT与FASTPCA的人脸特征提取 | 第28-29页 |
| ·本章小结 | 第29-32页 |
| 第四章 基于支持向量机的人脸识别 | 第32-64页 |
| ·引言 | 第32页 |
| ·分类器综述 | 第32-35页 |
| ·贝叶斯分类器 | 第32-33页 |
| ·最近邻分类器 | 第33页 |
| ·人工神经网络 | 第33-34页 |
| ·支持向量机 | 第34-35页 |
| ·支持向量机基础理论 | 第35-50页 |
| ·机器学习的表示 | 第35-36页 |
| ·统计学习理论主要内容 | 第36-40页 |
| ·支持向量机分类原理 | 第40-46页 |
| ·多分类SVM | 第46-50页 |
| ·基于改进的二叉树SVM的人脸识别 | 第50-51页 |
| ·改进的二叉树SVM算法 | 第50-51页 |
| ·SVM核函数的选择以及参数的优化 | 第51页 |
| ·人脸识别算法实验分析 | 第51-62页 |
| ·ORL人脸库上仿真实验 | 第52-57页 |
| ·YALE人脸库上仿真实验 | 第57-62页 |
| ·本章小结 | 第62-64页 |
| 第五章 人脸识别系统原型的设计 | 第64-74页 |
| ·引言 | 第64页 |
| ·人脸识别系统流程图 | 第64-65页 |
| ·人脸识别系统原型设计 | 第65-72页 |
| ·重要模块划分 | 第65-67页 |
| ·人脸识别系统设计及测试 | 第67-72页 |
| ·本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·总结 | 第74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读学位期间发表的学术论文目录 | 第82页 |
