基于人脸识别的图像特征提取研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 研究背景 | 第7页 |
| 1.2 图像特征提取概述 | 第7-10页 |
| 1.2.1 图像特征提取的研究内容 | 第7-8页 |
| 1.2.2 图像特征分类 | 第8页 |
| 1.2.3 特征提取方法的发展 | 第8-10页 |
| 1.3 人脸识别概述 | 第10-14页 |
| 1.3.1 人脸识别的研究内容 | 第10-11页 |
| 1.3.2 人脸识别的难点分析 | 第11-12页 |
| 1.3.4 国内外人脸识别的发展 | 第12-14页 |
| 1.4 本文工作内容及结构 | 第14-15页 |
| 1.4.1 本文工作内容 | 第14页 |
| 1.4.2 论文的结构 | 第14-15页 |
| 第2章 基于统计特征的特征提取算法描述 | 第15-27页 |
| 2.1 主成分分析法（PCA） | 第15-21页 |
| 2.1.1 K-L变换原理 | 第15-16页 |
| 2.1.2 主成分分析（PCA）基本原理 | 第16-18页 |
| 2.1.3 特征脸法（Eigenfaces） | 第18-21页 |
| 2.1.4 主成分分析算法存在的问题讨论 | 第21页 |
| 2.2 线性判别分析（LDA） | 第21-25页 |
| 2.2.1 线性判别函数 | 第22页 |
| 2.2.2 Fisher准则函数 | 第22-24页 |
| 2.2.3 线性判别分析用于人脸识别存在的问题 | 第24-25页 |
| 2.3 改进的线性判别分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于核方法的特征提取研究 | 第27-31页 |
| 3.1 核方法基本思想 | 第27-28页 |
| 3.1.1 核函数定义 | 第27页 |
| 3.1.2 核方法本质 | 第27-28页 |
| 3.2 基于核的主成分分析法（KPCA） | 第28-29页 |
| 3.3 基于核的线性判别方法（KFDA） | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 实验分析 | 第31-39页 |
| 4.1 实验用人脸数据库简介 | 第31-32页 |
| 4.2 算法实现及实验结果分析 | 第32-39页 |
| 4.2.1 算法实现 | 第32-37页 |
| 4.2.2 实验结果分析 | 第37-39页 |
| 第5章 总结与展望 | 第39-40页 |
| 5.1 本文总结 | 第39页 |
| 5.2 未来研究工作展望 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 致谢 | 第42页 |
