| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 研究现状 | 第13页 |
| 1.3 人脸识别的主要难点 | 第13-14页 |
| 1.4 本文的主要工作 | 第14页 |
| 1.5 本文的主要安排 | 第14-16页 |
| 第2章 人脸识别技术简介 | 第16-28页 |
| 2.1 人脸识别原理 | 第16页 |
| 2.2 人脸识别的基本理论 | 第16-19页 |
| 2.2.1 特征提取和特征选择 | 第17页 |
| 2.2.2 分类识别 | 第17-19页 |
| 2.3 人脸识别的基本流程 | 第19-21页 |
| 2.4 人脸识别的高级方法 | 第21-25页 |
| 2.5 人脸数据库及其评价标准 | 第25-27页 |
| 2.5.1 人脸数据库 | 第25-26页 |
| 2.5.2 评价人脸识别系统的标准 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于局部三值模式的人脸识别算法 | 第28-48页 |
| 3.1 引言 | 第28页 |
| 3.2 LBP算子简介 | 第28-32页 |
| 3.2.1 基本LBP算子 | 第28-29页 |
| 3.2.2 LBP算子的特点 | 第29-32页 |
| 3.2.3 LBP算子的优点和缺点 | 第32页 |
| 3.3 LTP算子简介 | 第32-33页 |
| 3.3.1 基本LTP算子 | 第32-33页 |
| 3.3.2 LTP算子优缺点 | 第33页 |
| 3.4 动态阈值的LTP算法 | 第33-35页 |
| 3.5 基于改进LTP算子特征提取算法实现 | 第35-41页 |
| 3.5.1 图像预处理 | 第35-36页 |
| 3.5.2 小波变换 | 第36-38页 |
| 3.5.3 改进LTP特征提取方法 | 第38-41页 |
| 3.6 降维 | 第41-43页 |
| 3.6.1 主成分分析法 | 第41-42页 |
| 3.6.2 线性判别分析 | 第42页 |
| 3.6.3 融合提取的特征向量与两种降维算法 | 第42-43页 |
| 3.7 分类识别 | 第43-44页 |
| 3.7.1 相似性度量 | 第43-44页 |
| 3.7.2 最近邻法 | 第44页 |
| 3.8 实验结果与分析 | 第44-47页 |
| 3.8.1 人脸库的选择 | 第44-45页 |
| 3.8.2 实验结果 | 第45-47页 |
| 3.9 本章小结 | 第47-48页 |
| 第4章 基于Log-Gabor能量值的特征提取算法 | 第48-68页 |
| 4.1 引言 | 第48页 |
| 4.2 Gabor滤波器 | 第48-53页 |
| 4.2.1 一维Gabor滤波器 | 第48-49页 |
| 4.2.2 二维Gabor滤波器 | 第49-51页 |
| 4.2.3 Gabor滤波器参数设置及应用 | 第51-53页 |
| 4.2.4 Gabor滤波器优缺点 | 第53页 |
| 4.3 Log-Gabor变换 | 第53-57页 |
| 4.3.1 Log-Gabor变换简介 | 第53-56页 |
| 4.3.2 基于Log-Gabor的人脸识别现有方法 | 第56-57页 |
| 4.4 基于Log-Gabor能量值的滤波器设计 | 第57-61页 |
| 4.4.1 设计思想 | 第57-58页 |
| 4.4.2 基于全局能量的滤波器组设计 | 第58-59页 |
| 4.4.3 基于不同方向能量的滤波器组设计 | 第59-60页 |
| 4.4.4 基于不同尺度能量的滤波器组设计 | 第60-61页 |
| 4.5 滑动窗口统计采样方法 | 第61-62页 |
| 4.6 基于Log-Gabor能量值的人脸识别算法 | 第62-66页 |
| 4.6.1 算法实现步骤 | 第62-63页 |
| 4.6.2 人脸库的选择 | 第63-64页 |
| 4.6.3 实验结果比较与分析 | 第64-66页 |
| 4.7 本章小结 | 第66-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间发表的学术论文与参加科研情况 | 第75页 |
