基于人工神经网络技术的人脸正面图像自动识别
| 第一章 引言 | 第1-16页 |
| ·研究背景 | 第8-14页 |
| ·研究动机及应用价值 | 第8-9页 |
| ·人脸识别的研究内容 | 第9-11页 |
| ·人脸识别的主要方法 | 第11-13页 |
| ·国内外研究概况 | 第13-14页 |
| ·论文主要内容及实现环境 | 第14-15页 |
| ·论文主要内容 | 第14-15页 |
| ·实现环境 | 第15页 |
| ·论文的基本结构 | 第15-16页 |
| 第二章 人脸图像预处理 | 第16-24页 |
| ·引言 | 第16页 |
| ·人眼的定位 | 第16-19页 |
| ·人眼定位前的图像预处理 | 第17-18页 |
| ·人眼的定位 | 第18-19页 |
| ·图像的尺度归一化 | 第19-20页 |
| ·图像的灰度归一化 | 第20-21页 |
| ·实验结果 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 特征提取 | 第24-32页 |
| ·引言 | 第24-25页 |
| ·数学基础 | 第25-30页 |
| ·离散K-L变换 | 第25-28页 |
| ·特征向量的选取 | 第28-29页 |
| ·奇异值分解 | 第29-30页 |
| ·用特征脸进行人脸图像数据特征提取 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第四章 人脸分类器 | 第32-49页 |
| ·引言 | 第32-33页 |
| ·RBF神经网络概述 | 第33-36页 |
| ·RBF神经网络工作原理和结构 | 第33-35页 |
| ·RBF网络的学习算法概述 | 第35-36页 |
| ·RBF网络的设计 | 第36-43页 |
| ·输入层输出层的设计 | 第36-37页 |
| ·RBF网络隐节点参数的设计 | 第37-40页 |
| ·RBF网络的权值的设定 | 第40-41页 |
| ·RBF隐节点参数的调节 | 第41-42页 |
| ·RBF网络的学习过程 | 第42-43页 |
| ·实验结果 | 第43-48页 |
| ·学习率的选择 | 第44页 |
| ·特征向量维数与隐层节点数目的关系 | 第44-45页 |
| ·不同K-L阈值对网络的影响 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 系统实现 | 第49-55页 |
| ·引言 | 第49页 |
| ·人脸图像自动识别系统的实现 | 第49-54页 |
| ·MATLAB软件环境介绍 | 第49页 |
| ·系统的基本框架 | 第49-50页 |
| ·系统介绍 | 第50-53页 |
| ·系统软件实现介绍 | 第53-54页 |
| ·小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢与声明 | 第59-60页 |
| 附录A ORL人脸图库全部人脸图像 | 第60-61页 |
| 在学期间发表的学术论文与研究成果 | 第61页 |
