可变光照下人脸检测与识别研究
摘要 | 第1-8页 |
Abstract | 第8-16页 |
第一章 绪论 | 第16-34页 |
·引言 | 第16页 |
·研究背景及意义 | 第16-18页 |
·人脸检测研究进展 | 第18-20页 |
·人脸识别研究进展 | 第20-22页 |
·论文的研究内容和章节安排 | 第22-25页 |
参考文献 | 第25-34页 |
第二章 基于统计学习理论的人脸检测 | 第34-60页 |
·引言 | 第34-35页 |
·基于Adaboost的人脸检测 | 第35-41页 |
·Haar矩形特征和积分图 | 第36-37页 |
·弱分类器生成 | 第37-38页 |
·强分类器的生成 | 第38-40页 |
·级联分类器的生成 | 第40页 |
·扩展的Haar特征 | 第40-41页 |
·基于Adaboost-SVM的人脸检测 | 第41-50页 |
·支持向量机理论 | 第41-46页 |
·Adaboost-SVM人脸检测算法 | 第46-47页 |
·Adaboost-SVM分类器的训练 | 第47-50页 |
·实验结果与分析 | 第50-56页 |
·本章小结 | 第56-57页 |
参考文献 | 第57-60页 |
第三章 复杂多变光照下人脸检测研究 | 第60-84页 |
·引言 | 第60-61页 |
·传统图像增强技术 | 第61-64页 |
·直方图均衡 | 第61-62页 |
·对数变换 | 第62页 |
·指数变换 | 第62-63页 |
·同态滤波 | 第63-64页 |
·Retinex图像增强算法 | 第64-73页 |
·单尺度Retinex算法 | 第65-66页 |
·多尺度Retinex算法 | 第66-67页 |
·改进的多尺度Retinex算法 | 第67-73页 |
·自适应图像增强算法 | 第73-77页 |
·动态范围压缩 | 第74-76页 |
·图像细节增强 | 第76-77页 |
·实验结果与分析 | 第77-80页 |
·本章小结 | 第80-82页 |
参考文献 | 第82-84页 |
第四章 基于子空间理论与Gabor小波的人脸识别 | 第84-108页 |
·引言 | 第84页 |
·线性子空间特征抽取 | 第84-88页 |
·一维线性子空间方法 | 第84-87页 |
·二维线性子空间方法 | 第87-88页 |
·基于Gabor小波的人脸特征表示 | 第88-91页 |
·Gabor核函数 | 第88-89页 |
·人脸Gabor小波表示 | 第89-91页 |
·Gabor特征降维 | 第91页 |
·基于SVM的人脸分类 | 第91-94页 |
·一类对余类 | 第92-93页 |
·成对分类 | 第93页 |
·有向无环图分类策略 | 第93-94页 |
·实验结果与分析 | 第94-103页 |
·2DPCA与2DLDA的比较实验 | 第95-98页 |
·基于ORL人脸库的人脸识别实验 | 第98-101页 |
·基于ORL和CAS-PEAL人脸库的比较实验 | 第101-103页 |
·本章小结 | 第103-104页 |
参考文献 | 第104-108页 |
第五章 复杂多变光照下人脸识别研究 | 第108-140页 |
·引言 | 第108页 |
·人脸光照处理方法综述 | 第108-112页 |
·光照变化建模方法 | 第109-110页 |
·光照不变特征方法 | 第110-111页 |
·光照归一化方法 | 第111-112页 |
·3D形变模型方法 | 第112页 |
·基于商图像理论的人脸识别 | 第112-119页 |
·商图像 | 第112-115页 |
·自商图像 | 第115-117页 |
·形态学商图像 | 第117-119页 |
·形态学小波商图像算法 | 第119-125页 |
·灰度形态学 | 第119-122页 |
·小波变换 | 第122-124页 |
·形态学小波商图像 | 第124-125页 |
·实验结果与分析 | 第125-134页 |
·人脸数据库 | 第126-128页 |
·实验结果与分析 | 第128-134页 |
·本章小结 | 第134-135页 |
参考文献 | 第135-140页 |
第六章 总结与展望 | 第140-144页 |
·本文的研究内容和主要成果 | 第140-141页 |
·存在的不足和未来工作的展望 | 第141-144页 |
作者在攻读博士学位期间的主要工作 | 第144-146页 |
致谢 | 第146页 |