基于局部图结构与韦伯局部描述符的人脸识别技术研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题的研究意义及背景 | 第9-12页 |
| 1.1.1 生物特征识别技术 | 第9-10页 |
| 1.1.2 生物特征识别的过程 | 第10-11页 |
| 1.1.3 生物特征识别技术的应用 | 第11-12页 |
| 1.2 人脸识别技术的发展 | 第12-13页 |
| 1.3 人脸识别的研究内容 | 第13页 |
| 1.4 人脸识别中存在的难点 | 第13-14页 |
| 1.5 本文研究内容及组织安排 | 第14-17页 |
| 1.5.1 本文研究内容 | 第14-15页 |
| 1.5.2 本文的组织安排 | 第15-17页 |
| 第二章 人脸识别中常用的方法 | 第17-31页 |
| 2.1 人脸图像的预处理 | 第17页 |
| 2.2 人脸检测的基本方法 | 第17-20页 |
| 2.2.1 基于经验知识的方法 | 第18-19页 |
| 2.2.2 基于局部特征的方法 | 第19页 |
| 2.2.3 基于模板匹配的方法 | 第19页 |
| 2.2.4 基于统计学习的方法 | 第19-20页 |
| 2.3 人脸图像特征提取方法 | 第20-26页 |
| 2.3.1 全局特征提取方法 | 第20-23页 |
| 2.3.2 局部特征提取方法 | 第23-26页 |
| 2.4 几种常用的分类方法 | 第26-30页 |
| 2.4.1 人工神经网络法 | 第27-28页 |
| 2.4.2 最近邻分类法 | 第28-29页 |
| 2.4.3 Adaboost算法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 WLD和LGS改进特征提取方法及实现 | 第31-49页 |
| 3.1 韦伯算子（WLD）的构成 | 第31-37页 |
| 3.1.1 韦伯准则 | 第31-32页 |
| 3.1.2 差分激励 | 第32-34页 |
| 3.1.3 梯度方向 | 第34-35页 |
| 3.1.4 直方图 | 第35-37页 |
| 3.2 WLD算子的特性 | 第37-38页 |
| 3.3 原始WLD存在的问题 | 第38-39页 |
| 3.4 WLD算子的改进 | 第39-45页 |
| 3.4.1 改进型LOG算子 | 第40-42页 |
| 3.4.2 尺度参量的确定 | 第42-43页 |
| 3.4.3 角度参量的确定 | 第43-45页 |
| 3.5 局部图结构（LGS） | 第45-47页 |
| 3.5.1 LGS算子简介 | 第45-47页 |
| 3.5.2 LGS算子的优点 | 第47页 |
| 3.6 LGS算子的改进 | 第47-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 基于韦伯局部图结构的人脸识别 | 第49-62页 |
| 4.1 韦伯局部图结构(WLGS) | 第49-52页 |
| 4.2 分类器的设计 | 第52-53页 |
| 4.2.1 分类方法的选取 | 第52页 |
| 4.2.2 性能评价标准 | 第52-53页 |
| 4.3 人脸识别方案 | 第53页 |
| 4.4 实验结果及分析 | 第53-61页 |
| 4.4.1 CMUPIE人脸库上的对比实验 | 第53-56页 |
| 4.4.2 YALE人脸库上的对比实验 | 第56-58页 |
| 4.4.3 FERET人脸库上的对比实验 | 第58-59页 |
| 4.4.4 LFW人脸库上的对比实验 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
