| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第10-22页 |
| 1.1 概述 | 第10-12页 |
| 1.1.1 研究意义与背景 | 第10-11页 |
| 1.1.2 面临困难与挑战 | 第11-12页 |
| 1.1.3 人脸年龄估计的研究内容 | 第12页 |
| 1.2 人脸年龄估计方法研究现状 | 第12-19页 |
| 1.2.1 特征提取 | 第13-16页 |
| 1.2.2 年龄估计 | 第16-18页 |
| 1.2.3 概述 | 第18-19页 |
| 1.3 本文研究内容与组织结构 | 第19-22页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 组织结构 | 第20-22页 |
| 2 预处理和特征提取 | 第22-32页 |
| 2.1 符号表示 | 第22页 |
| 2.2 预处理 | 第22-25页 |
| 2.2.1 灰度化 | 第23页 |
| 2.2.2 旋转 | 第23页 |
| 2.2.3 裁剪 | 第23-24页 |
| 2.2.4 尺度归一化 | 第24页 |
| 2.2.5 直方图均衡化 | 第24-25页 |
| 2.3 特征提取 | 第25-28页 |
| 2.3.1 形状特征 | 第26-27页 |
| 2.3.2 生物启发特征 | 第27-28页 |
| 2.3.3 年龄融合特征 | 第28页 |
| 2.4 距离度量调整 | 第28-31页 |
| 2.5 小结 | 第31-32页 |
| 3 标签敏感的维度约减算法 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 基于监督邻域的Fisher鉴别分析的标签敏感维度约减算法 | 第32-36页 |
| 3.2.1 局部Fisher鉴别分析 | 第32-33页 |
| 3.2.2 基于监督邻域的Fisher鉴别分析 | 第33-34页 |
| 3.2.3 基于SNFDA的标签敏感维度约减算法 | 第34-36页 |
| 3.3 基于最大间隔准则的标签敏感维度约减算法 | 第36-38页 |
| 3.3.1 最大间隔准则 | 第36页 |
| 3.3.2 基于MMC的标签敏感维度约减算法 | 第36-38页 |
| 3.4 算法对比和分析 | 第38-39页 |
| 3.5 不平衡处理方式 | 第39-40页 |
| 3.6 标签有序性提升实验 | 第40-41页 |
| 3.7 小结 | 第41-42页 |
| 4 基于近邻的局部回归算法 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 相关工作 | 第42-43页 |
| 4.2.1 K近邻 | 第42-43页 |
| 4.2.2 标签分布的支持向量回归 | 第43页 |
| 4.3 K近邻-标签分布的支持向量回归 | 第43-45页 |
| 4.3.1 标签分布 | 第43-44页 |
| 4.3.2 K近邻-标签分布的支持向量回归 | 第44-45页 |
| 4.4 数据库介绍 | 第45-47页 |
| 4.4.1 FGNET数据库 | 第45-46页 |
| 4.4.2 MORPH数据库 | 第46-47页 |
| 4.5 实验与分析 | 第47-53页 |
| 4.5.1 评价准则 | 第47-48页 |
| 4.5.2 实验设置 | 第48页 |
| 4.5.3 算法的有效性验证 | 第48-50页 |
| 4.5.4 参数设置 | 第50-51页 |
| 4.5.5 性能比较实验 | 第51-53页 |
| 4.6 小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 附录 | 第64页 |