首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸精确检测与多分辨率下识别方法研究

摘要第1-6页
ABSTRACT第6-12页
第一章 绪论第12-18页
   ·课题的背景与意义第12-13页
   ·人脸识别系统第13-14页
   ·人脸识别技术难点和评价标准第14-15页
     ·技术难点第14页
     ·评价标准第14-15页
   ·国内外研究概况第15-16页
     ·国外研究现状第15页
     ·国内研究现状第15-16页
   ·问题的提出第16-17页
   ·本文主要研究内容第17-18页
第二章 研究对象与相关技术分析第18-30页
   ·研究对象第18-19页
     ·CVL 人脸库第18页
     ·CMU PIE 人脸库第18页
     ·Yale 人脸库第18-19页
     ·UMIST 人脸库第19页
   ·图像预处理方法第19-20页
     ·缩放变换第19页
     ·彩色图转化为灰度图第19-20页
     ·直方图均衡化第20页
   ·人脸检测方法第20-25页
     ·基于肤色特征方法第21页
     ·模板匹配方法第21-22页
     ·基于统计模型方法第22-25页
   ·人脸识别方法第25-29页
     ·几何特征方法第25-26页
     ·模板匹配方法第26页
     ·主分量分析方法第26-27页
     ·人工神经网络方法第27页
     ·隐马尔柯夫模型方法第27-28页
     ·基于小波分析方法第28-29页
   ·本章小结第29-30页
第三章 基于肤色检测和模板匹配的人脸检测方法第30-43页
   ·检测方法算法流程第30页
   ·亮度调整第30-31页
   ·肤色检测方法第31-34页
     ·LVQ 网络简介第32-33页
     ·LVQ 网络学习规则第33-34页
   ·LVQ 网络实现肤色检测第34-36页
     ·LVQ 网络结构的确定第34-35页
     ·LVQ 网络训练第35页
     ·LVQ 网络肤色检测第35-36页
   ·人脸区域预定位第36-37页
   ·人脸精确定位第37-41页
     ·匹配方式选取第37页
     ·标准人脸模板第37-39页
     ·模板匹配准则第39-40页
     ·人脸检测第40-41页
   ·模板匹配法人脸检测测试第41-42页
     ·检测精度测试第41-42页
     ·检测速度测试第42页
   ·本章小结第42-43页
第四章 基于WPD 和(2D)~2PCA 的人脸识别方法第43-51页
   ·小波分析理论基础第43-45页
     ·小波发展与特点第43页
     ·小波变换第43-44页
     ·小波多分辨率分析第44-45页
   ·识别方法算法流程第45-46页
   ·图像预处理第46页
   ·人脸图像小波包分解第46-47页
   ·(2D)~2 PCA 提取节点图像特征第47-49页
   ·选取“成功”节点图像第49页
   ·构建人脸识别器第49-50页
   ·本章小结第50-51页
第五章 人脸识别方法测试与分析第51-57页
   ·试验设计第51页
   ·光照变化图像测试结果与分析第51-53页
     ·测试样本第51-52页
     ·节点测试结果与分析第52-53页
     ·识别器的构建与识别性能第53页
   ·表情变化图像测试第53-55页
     ·测试样本第53页
     ·节点测试结果与分析第53-54页
     ·识别器的构建与识别性能第54-55页
   ·视角变化图像测试第55-56页
     ·测试样本第55页
     ·节点测试结果与分析第55-56页
   ·本章小结第56-57页
第六章 结论与设想第57-59页
   ·结论第57-58页
   ·设想与建议第58-59页
参考文献第59-63页
附录1 大笑组人脸检测结果图第63-66页
附录2 所有节点图像识别率第66-68页
附录3 (2D)~2PCA 实现代码第68-71页
致谢第71-72页
作者简介第72页

论文共72页,点击 下载论文
上一篇:基于感兴趣区域的图像语义获取方法研究
下一篇:小麦根系三维可视化模拟关键技术研究