基于贝叶斯理论的人脸识别算法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-25页 |
| ·生物特征识别 | 第13-14页 |
| ·人脸识别的研究目的及意义 | 第14-16页 |
| ·人脸识别研究的内容 | 第16-17页 |
| ·人脸检测与定位 | 第17-20页 |
| ·基于知识的方法 | 第18页 |
| ·基于可视特征的方法 | 第18-19页 |
| ·基于模板匹配的方法 | 第19-20页 |
| ·基于整体外观特征的方法 | 第20页 |
| ·人脸识别 | 第20-23页 |
| ·基于几何特征的方法 | 第20页 |
| ·基于模板匹配的方法 | 第20-21页 |
| ·基于代数特征的方法 | 第21-22页 |
| ·弹性图匹配法 | 第22页 |
| ·基于机器学习的方法 | 第22-23页 |
| ·本文的主要工作及内容安排 | 第23-25页 |
| 第二章 贝叶斯网理论 | 第25-47页 |
| ·定义和性质 | 第25-29页 |
| ·贝叶斯定理 | 第25页 |
| ·Alarm 问题 | 第25-27页 |
| ·贝叶斯网概念 | 第27-29页 |
| ·联合树算法 | 第29-33页 |
| ·贝叶斯网学习 | 第33-41页 |
| ·参数学习 | 第33-37页 |
| ·结构学习 | 第37-41页 |
| ·贝叶斯网络分类推理 | 第41-47页 |
| ·贝叶斯分类器 | 第41-42页 |
| ·朴素贝叶斯分类器 | 第42-43页 |
| ·含有隐变量的朴素贝叶斯分类器 | 第43-44页 |
| ·TAN 分类器 | 第44-45页 |
| ·贝叶斯网分类器 | 第45页 |
| ·基于类约束的贝叶斯网分类器 | 第45-47页 |
| 第三章 基于贝叶斯网络的人脸识别模型 | 第47-63页 |
| ·模型构建 | 第47-49页 |
| ·特征提取 | 第49-56页 |
| ·局部二元模式 | 第49-50页 |
| ·主动形状模型 | 第50-54页 |
| ·直方图均衡化 | 第54-55页 |
| ·离散余弦变换 | 第55-56页 |
| ·实验 | 第56-63页 |
| ·实验数据库及评价标准 | 第56-58页 |
| ·实验结果及分析 | 第58-63页 |
| 第四章 基于贝叶斯网络的人脸识别模型的改进 | 第63-75页 |
| ·引入整体表征的贝叶斯网模型 | 第63-66页 |
| ·整体表征 | 第64-65页 |
| ·实验结果及分析 | 第65-66页 |
| ·引入几何信息的贝叶斯网模型 | 第66-70页 |
| ·几何特征 | 第67-69页 |
| ·实验结果及分析 | 第69-70页 |
| ·引入颜色信息的贝叶斯网模型 | 第70-74页 |
| ·颜色特征 | 第72-73页 |
| ·实验结果和讨论 | 第73-74页 |
| ·总结 | 第74-75页 |
| 总结与展望 | 第75-77页 |
| 对本文研究的总结 | 第75-76页 |
| 对未来研究的展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间论文发表情况 | 第81-83页 |
| 致谢 | 第83页 |
