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

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

论文共146页,点击 下载论文
上一篇:网络课程的可用性研究
下一篇:基于单线平涂的二维动画本体理论研究