人脸的生物特征提取和辨识
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究的背景及意义 | 第7-8页 |
| ·人脸识别技术的研究现状及发展趋势 | 第8-9页 |
| ·人脸识别系统研究的内容 | 第9-13页 |
| ·人脸图像检测和定位 | 第9-10页 |
| ·人脸图像的预处理 | 第10页 |
| ·人脸图像的特征提取和识别 | 第10-13页 |
| 第二章 全方位安全认证系统实现方案 | 第13-17页 |
| ·全方位安全认证系统组成 | 第13页 |
| ·全方位安全认证的实现步骤 | 第13-15页 |
| ·全方位安全认证系统的特点和优势 | 第15页 |
| ·论文的主要工作 | 第15-17页 |
| 第三章 人脸图像的预处理 | 第17-28页 |
| ·系统采用的预处理方法 | 第17-18页 |
| ·彩色图像转化为灰度图像 | 第18-19页 |
| ·中值滤波 | 第19-20页 |
| ·人脸图像的归一化 | 第20-28页 |
| ·光照归一化 | 第20-22页 |
| ·几何归一化 | 第22-28页 |
| 第四章 人脸图像的特征提取与辨识 | 第28-43页 |
| ·主成分分析法的基本思想 | 第28页 |
| ·基于PCA 的特征提取方法 | 第28-35页 |
| ·特征脸的计算 | 第28-31页 |
| ·特征脸进行识别 | 第31-33页 |
| ·算法的实现 | 第33-35页 |
| ·基于LDA 的特征提取方法 | 第35-40页 |
| ·线性辨别分析方法 | 第36页 |
| ·Fisherface 进行人脸识别 | 第36-38页 |
| ·算法的实现 | 第38-40页 |
| ·常用分类器介绍 | 第40-43页 |
| ·最小距离分类器 | 第40-41页 |
| ·最近邻分类器 | 第41页 |
| ·最大相关分类器 | 第41-42页 |
| ·最近邻相关分类器 | 第42-43页 |
| 第五章 实验结果与讨论 | 第43-53页 |
| ·仿真软硬件配置 | 第43页 |
| ·人脸数据库介绍 | 第43-45页 |
| ·实验结果及分析 | 第45-51页 |
| ·特征脸及图像重建 | 第45-46页 |
| ·特征向量个数选取的比较 | 第46-47页 |
| ·预处理对人脸识别的影响 | 第47-49页 |
| ·基于PCA 和LDA 的特征提取方法的比较 | 第49-50页 |
| ·分类器对实验结果的影响 | 第50页 |
| ·YALE 与ORL 的比较 | 第50-51页 |
| ·实验结论 | 第51-53页 |
| ·结论 | 第51页 |
| ·错误分析 | 第51-53页 |
| 第六章 全方位安全认证系统的软硬件设计 | 第53-59页 |
| ·系统的硬件平台 | 第53-54页 |
| ·系统的软件平台 | 第54-59页 |
| ·MATLAB 与C 混合编程 | 第54-55页 |
| ·MATCOM 实现VC 与MATLAB 的连接 | 第55-57页 |
| ·系统的图形界面 | 第57-59页 |
| 第七章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 摘要 | 第63-65页 |
| ABSTRACT | 第65-68页 |
| 致谢 | 第68页 |
