基于奇异值分解和特征融合的人脸识别
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 人脸识别研究背景和意义 | 第12-13页 |
| 1.2 人脸识别国内外研究现状 | 第13-15页 |
| 1.3 人脸识别算法流程 | 第15-16页 |
| 1.4 人脸识别的难点 | 第16-17页 |
| 1.5 论文结构安排 | 第17-19页 |
| 第二章 人脸识别的相关技术 | 第19-31页 |
| 2.1 人脸图像特征 | 第19-23页 |
| 2.1.1 灰度值特征 | 第19-20页 |
| 2.1.2 局部三值模式 | 第20-21页 |
| 2.1.3 离散余弦变换 | 第21-22页 |
| 2.1.4 小波变换 | 第22-23页 |
| 2.2 特征分析算法 | 第23-26页 |
| 2.2.1 主成分分析 | 第23-24页 |
| 2.2.2 线性判别分析 | 第24-26页 |
| 2.3 人工神经网络相关理论 | 第26-31页 |
| 2.3.1 神经元模型 | 第26-28页 |
| 2.3.2 BP网络结构 | 第28页 |
| 2.3.3 BP算法原理 | 第28-31页 |
| 第三章 奇异值分解及其改进算法的研究 | 第31-50页 |
| 3.1 引言 | 第31页 |
| 3.2 奇异值分解及其改进算法 | 第31-41页 |
| 3.2.1 奇异值分解特性 | 第31-35页 |
| 3.2.2 基于子图像的改进算法 | 第35-37页 |
| 3.2.3 基于小波频域的改进算法 | 第37-39页 |
| 3.2.4 基于子图像和小波相结合的改进算法 | 第39-41页 |
| 3.3 BP神经网络优化 | 第41-44页 |
| 3.3.1 BP神经网络的性能分析 | 第41-42页 |
| 3.3.2 BP神经网络的优化 | 第42-44页 |
| 3.4 实验结果及分析 | 第44-48页 |
| 3.4.1 参数设置 | 第44-45页 |
| 3.4.2 在ORL人脸库上的结果 | 第45-47页 |
| 3.4.3 在FERET人脸库上的结果 | 第47-48页 |
| 3.5 小结 | 第48-50页 |
| 第四章 基于自适应权值特征融合的人脸识别 | 第50-59页 |
| 4.1 引言 | 第50页 |
| 4.2 基于自适应权值的局部特征提取 | 第50-53页 |
| 4.2.1 关键部位定位 | 第50-51页 |
| 4.2.2 局部特征提取 | 第51-53页 |
| 4.3 全局特征和局部特征融合 | 第53-56页 |
| 4.3.1 特征融合算法分析 | 第53-55页 |
| 4.3.2 特征融合算法流程 | 第55-56页 |
| 4.4 实验结果及分析 | 第56-57页 |
| 4.4.1 参数设置 | 第56页 |
| 4.4.2 在ORL人脸库上的结果 | 第56-57页 |
| 4.4.3 在FERET人脸库上的结果 | 第57页 |
| 4.5 小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-62页 |
| 5.1 总结 | 第59-60页 |
| 5.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士研究生期间的研究成果 | 第68-69页 |
| 附件 | 第69页 |
