人脸识别中的特征提取与度量学习算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-39页 |
| 1.1 引言 | 第11页 |
| 1.2 人脸识别技术简介 | 第11-16页 |
| 1.2.1 人脸识别技术的特点 | 第12-14页 |
| 1.2.2 人脸识别技术的应用 | 第14页 |
| 1.2.3 人脸识别的研究内容 | 第14-16页 |
| 1.3 人脸识别研究综述 | 第16-22页 |
| 1.3.1 人脸识别的研究历史 | 第16-21页 |
| 1.3.2 国内外研究现状 | 第21-22页 |
| 1.4 论文的主要思想与工作 | 第22-29页 |
| 1.4.1 论文在图像识别上的思想 | 第22-24页 |
| 1.4.2 论文在特征提取上的工作 | 第24-27页 |
| 1.4.3 论文在度量学习上的工作 | 第27-29页 |
| 1.5 论文的组织结构 | 第29-30页 |
| 参考文献 | 第30-39页 |
| 第二章 人脸识别算法的评测 | 第39-47页 |
| 2.1 引言 | 第39页 |
| 2.2 人脸数据库和测试协议 | 第39-45页 |
| 2.2.1 FERET数据库和测试协议 | 第40-42页 |
| 2.2.2 LFW数据库和测试协议 | 第42-45页 |
| 2.3 本文采用的评测方法 | 第45-46页 |
| 参考文献 | 第46-47页 |
| 第三章 Log-Gabor幅度模式直方图特征 | 第47-67页 |
| 3.1 引言 | 第47-48页 |
| 3.2 Gabor滤波器组 | 第48-50页 |
| 3.3 基于Gabor的人脸特征 | 第50-54页 |
| 3.4 Gabor幅度模式直方图 | 第54-57页 |
| 3.5 Log-Gabor幅度模式直方图 | 第57-60页 |
| 3.6 实验结果与分析 | 第60-64页 |
| 3.7 本章小结 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 第四章 主局部二值模式特征 | 第67-88页 |
| 4.1 引言 | 第67-69页 |
| 4.2 人脸识别中的LBP类特征 | 第69-77页 |
| 4.2.1 LBP类特征中的图像预处理方法 | 第70-71页 |
| 4.2.2 LBP类特征中的采样方法 | 第71-74页 |
| 4.2.3 LBP类特征中的描述方法 | 第74页 |
| 4.2.4 LBP类特征中的编码方法 | 第74-75页 |
| 4.2.5 LBP类特征中的编码后处理方法 | 第75-76页 |
| 4.2.6 现有LBP类特征的问题 | 第76-77页 |
| 4.3 主局部二值模式特征 | 第77-80页 |
| 4.4 软编码方法 | 第80-82页 |
| 4.5 实验结果与分析 | 第82-85页 |
| 4.6 本章小结 | 第85-86页 |
| 参考文献 | 第86-88页 |
| 第五章 概率判别度量学习方法 | 第88-113页 |
| 5.1 引言 | 第88-92页 |
| 5.2 基于概率的度量学习 | 第92-93页 |
| 5.3 指数判别度量学习方法 | 第93-100页 |
| 5.4 线性判别度量学习方法 | 第100-103页 |
| 5.5 度量学习中的正则化 | 第103-106页 |
| 5.6 实验结果与分析 | 第106-109页 |
| 5.7 本章小结 | 第109-110页 |
| 参考文献 | 第110-113页 |
| 第六章 结论与展望 | 第113-116页 |
| 6.1 本文研究工作的总结 | 第113-114页 |
| 6.2 本文研究工作的不足 | 第114-115页 |
| 6.3 研究工作的未来展望 | 第115-116页 |
| 致谢 | 第116-117页 |
| 攻读博士学位期间发表的学术论文 | 第117页 |
