| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 人脸识别技术研究概况 | 第12-17页 |
| 1.2.1 人脸识别技术的发展 | 第12-13页 |
| 1.2.2 局部二值模式的人脸识别方法的发展 | 第13-15页 |
| 1.2.3 人脸识别的难点 | 第15-16页 |
| 1.2.4 人脸识别系统的主要框架 | 第16-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 论文组织安排 | 第18-19页 |
| 第2章 人脸图像预处理 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 人脸几何归一化 | 第19-21页 |
| 2.2.1 人脸图像的旋转 | 第19-20页 |
| 2.2.2 人脸图像的裁剪与缩放 | 第20-21页 |
| 2.3 人脸图像滤波处理 | 第21-23页 |
| 2.3.1 均值滤波器 | 第22页 |
| 2.3.2 高斯平滑滤波器 | 第22页 |
| 2.3.3 中值滤波器 | 第22-23页 |
| 2.4 人脸图像的光照预处理 | 第23-29页 |
| 2.4.1 直方图均衡化 | 第24-25页 |
| 2.4.2 自商图像 | 第25-27页 |
| 2.4.3 高斯差分法 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 局部二值模式(LBP)算法及其变体算法 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 传统LBP算法 | 第31-37页 |
| 3.2.1 灰度不变LBP | 第31-34页 |
| 3.2.2 旋转不变LBP | 第34-35页 |
| 3.2.3 统一模式LBP | 第35-36页 |
| 3.2.4 LBP算法的优势 | 第36-37页 |
| 3.3 基于LBP的变体算法 | 第37-41页 |
| 3.3.1 局部三值模式(LTP) | 第37-39页 |
| 3.3.2 三模块/四模块局部二值模式(TPLBP/FPLBP) | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 改进LBP算法的研究 | 第43-59页 |
| 4.1 引言 | 第43页 |
| 4.2 改进LBP特征的提取 | 第43-50页 |
| 4.2.1 “双圆”LBP算法 | 第43-45页 |
| 4.2.2 “多重分块+中间块”LBP算法 | 第45-47页 |
| 4.2.3 “关键块”分块加权LBP算法 | 第47-50页 |
| 4.3 降维及其分类优化算法 | 第50-56页 |
| 4.3.1 Fisherface方法 | 第50-54页 |
| 4.3.2 余弦相似度度量学习(CSML) | 第54-56页 |
| 4.4 本章小结 | 第56-59页 |
| 第5章 实验与数据分析 | 第59-71页 |
| 5.1 引言 | 第59页 |
| 5.2 人脸库介绍与算法参数设置 | 第59-60页 |
| 5.3 实验结果与分析 | 第60-69页 |
| 5.3.1 人脸图像滤波处理实验结果分析 | 第60-61页 |
| 5.3.2 人脸图像光照预处理实验结果分析 | 第61-64页 |
| 5.3.3 LBP改进算法的实验结果分析 | 第64-67页 |
| 5.3.4 降维分类算法的实验结果分析 | 第67-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 进一步工作展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79页 |