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

MFA与SVD模糊融合的人脸识别研究

致谢第7-8页
摘要第8-9页
ABSTRACT第9页
第一章 绪论第14-22页
    1.1 研究背景和意义第14-15页
    1.2 人脸识别研究现状第15-17页
    1.3 人脸识别常用方法第17-19页
    1.4 国内外常用人脸数据集简介第19页
    1.5 本文主要内容及结构框架第19-22页
        1.5.1 本文研究的主要内容第19-20页
        1.5.2 本文的结构安排第20-22页
第二章 基本的特征子空间方法第22-38页
    2.1 引言第22页
    2.2 人脸特征选择第22-26页
        2.2.1 HOG特征第22-24页
        2.2.2 LBP特征第24-25页
        2.2.3 SIFT特征第25-26页
    2.3 特征提取与降维第26-33页
        2.3.1 主成分分析第27-28页
        2.3.2 线性判别分析第28-30页
        2.3.3 二维主成分分析第30-31页
        2.3.4 二维线性判别分析第31-33页
    2.4 分类第33-35页
        2.4.1 支持向量机第33-34页
        2.4.2 K近邻分类器第34-35页
        2.4.3 最小距离分类器第35页
    2.5 距离度量第35-37页
    2.6 本章小结第37-38页
第三章 基于流形学习的人脸识别方法第38-46页
    3.1 引言第38页
    3.2 流形学习第38-45页
        3.2.1 LLE第39-41页
        3.2.2 LPP第41-42页
        3.2.3 图嵌入第42-43页
        3.2.4 边际费希尔分析第43-45页
    3.3 本章小结第45-46页
第四章 2DNMFA与SVD模糊融合的人脸识别方法第46-59页
    4.1 引言第46页
    4.2 二维边际费希尔分析(2DMFA)第46-48页
    4.3 2DNMFA和SVD的模糊融合识别第48-54页
        4.3.1 二维无参边际费希尔分析(2DNMFA)第48-49页
        4.3.2 奇异值分解第49-51页
        4.3.3 模糊融合第51-54页
    4.4 实验及结果分析第54-58页
        4.4.1 在CIS三维实时人脸库上的实验第54-55页
        4.4.2 在Texas人脸(深度图)上的实验第55-56页
        4.4.3 在UMIST数据库上的实验第56-58页
    4.5 本章小结第58-59页
第五章 总结与展望第59-61页
    5.1 本文主要工作第59-60页
    5.2 未来工作展望第60-61页
参考文献第61-66页
攻读硕士学位期间的学术活动及成果情况第66页

论文共66页,点击 下载论文
上一篇:基于CECBP与显著区域特征决策的人脸表情识别算法研究
下一篇:单实例表达学习的视觉目标跟踪及场景光照研究