| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 引言 | 第13-14页 |
| 1.2 研究背景 | 第14-18页 |
| 1.2.1 应用需求分析 | 第14-15页 |
| 1.2.2 技术背景分析 | 第15-18页 |
| 1.3 人脸识别技术研究现状 | 第18-21页 |
| 1.3.1 特征提取 | 第18-19页 |
| 1.3.2 特征选择 | 第19-20页 |
| 1.3.3 特征融合 | 第20页 |
| 1.3.4 特征比对 | 第20页 |
| 1.3.5 研究现状小结 | 第20-21页 |
| 1.4 本文主要研究内容 | 第21-22页 |
| 1.4.1 研究思路 | 第21页 |
| 1.4.2 本文主要工作 | 第21-22页 |
| 1.5 本文章节安排 | 第22-24页 |
| 第二章 对人脸图像中眼镜框和白斑的剔除 | 第24-37页 |
| 2.1 人脸检测与人眼定位 | 第24-25页 |
| 2.2 基于RPCA剔除outliers | 第25-29页 |
| 2.2.1 RPCA及其解法 | 第25-27页 |
| 2.2.2 基于IALM-RPCA剔除outliers | 第27-29页 |
| 2.3 图像处理结果与分析 | 第29-31页 |
| 2.3.1 实验结果与小结 | 第29-31页 |
| 2.3.2 算法实用性分析 | 第31页 |
| 2.4 基于图像块剔除眼镜框和光斑 | 第31-34页 |
| 2.4.1 D矩阵的构建 | 第31-33页 |
| 2.4.2 连通域搜索算法的引入 | 第33-34页 |
| 2.5 基于RPCA剔除眼镜框和光斑的价值性分析 | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 基于LPDOGP的人脸识别 | 第37-55页 |
| 3.1 对LBP、LDP算子的分析 | 第38-42页 |
| 3.2 LPDP算子 | 第42-43页 |
| 3.3 LPDOGP特征算子 | 第43-45页 |
| 3.4 基于LPDOGP特征算子的人脸图像特征提取 | 第45-47页 |
| 3.5 人脸识别实验 | 第47-53页 |
| 3.5.1 人脸图像数据库描述 | 第47-48页 |
| 3.5.2 光照预处理和参数选择 | 第48-50页 |
| 3.5.3 在FERET和Extended Yale B数据库上的人脸识别实验 | 第50-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第四章 特征选择 | 第55-66页 |
| 4.1 AdaBoost算法及其原理 | 第56-57页 |
| 4.2 AdaBoost与LPDOGP结合 | 第57-59页 |
| 4.3 基于AdaBoost挑选特征区域 | 第59-61页 |
| 4.3.1 Discriminative特征集的构建 | 第59-60页 |
| 4.3.2 特征区域的挑选 | 第60-61页 |
| 4.4 在FERET和Extended Yale B人脸库上的实验 | 第61-64页 |
| 4.4.1 人脸图像数据库描述与参数设置 | 第61-62页 |
| 4.4.2 在FERET数据库上的实验结果与分析 | 第62-63页 |
| 4.4.3 在Extended Yale B人脸库上实验结果与分析 | 第63-64页 |
| 4.5 本章小节 | 第64-66页 |
| 第五章 嵌入式近红外人脸识别系统 | 第66-78页 |
| 5.1 系统概述 | 第66-67页 |
| 5.1.1 系统功能 | 第66-67页 |
| 5.1.2 系统硬件及软件开发环境 | 第67页 |
| 5.2 系统实现 | 第67-76页 |
| 5.2.1 系统框架 | 第68-69页 |
| 5.2.2 嵌入式近红外人脸识别外围软件框架 | 第69-71页 |
| 5.2.3 算法实现 | 第71-74页 |
| 5.2.4 算法优化 | 第74-76页 |
| 5.2.5 算法优化前后性能对比 | 第76页 |
| 5.3 系统产品性能比对 | 第76-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-81页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-88页 |
| 致谢 | 第88-89页 |
| 攻读硕士学位期间已发表或录用的论文 | 第89页 |
