人脸识别的图像处理算法
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-25页 |
| ·生物特征识别技术 | 第10-13页 |
| ·生物特征识别技术的概念 | 第10页 |
| ·几种生物特征识别技术比较 | 第10-12页 |
| ·生物特征识别技术市场发展现状与前景 | 第12-13页 |
| ·人脸识别技术 | 第13-24页 |
| ·人脸识别的研究背景与应用现状 | 第13-16页 |
| ·人脸识别的研究内容 | 第16-18页 |
| ·人脸识别方法概述 | 第18-23页 |
| ·人脸识别的技术优势与存在的难点 | 第23-24页 |
| ·本论文的内容安排 | 第24-25页 |
| ·主要研究工作 | 第24页 |
| ·论文结构安排 | 第24-25页 |
| 第二章 人脸图像预处理 | 第25-42页 |
| ·人脸样本数据库 | 第25-28页 |
| ·人脸图像预处理方法 | 第28-33页 |
| ·人脸图像灰度化 | 第28-29页 |
| ·二值化 | 第29-30页 |
| ·能量归一化 | 第30页 |
| ·平滑与中值滤波 | 第30-33页 |
| ·本文的预处理方法 | 第33-36页 |
| ·几何归一化 | 第33-35页 |
| ·灰度归一化 | 第35-36页 |
| ·人眼定位 | 第36-41页 |
| ·积分投影函数法的定位原理 | 第37-38页 |
| ·积分投影函数法的定位步骤 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 基于PCA的人脸识别 | 第42-60页 |
| ·PCA理论 | 第42-44页 |
| ·K-L变换 | 第42-43页 |
| ·主元分析(PCA) | 第43-44页 |
| ·特征脸法 | 第44-50页 |
| ·人脸空间的建立 | 第44-47页 |
| ·特征向量的选取 | 第47-48页 |
| ·分类识别 | 第48-50页 |
| ·特征脸法的优缺点分析 | 第50页 |
| ·Fisher脸法 | 第50-53页 |
| ·Fisher脸法基本原理 | 第50-51页 |
| ·Fisher脸法算法步骤 | 第51-52页 |
| ·一维 PCA小结 | 第52-53页 |
| ·基于 2DPCA的人脸识别 | 第53-56页 |
| ·2DPCA思想与算法 | 第53-54页 |
| ·特征提取 | 第54-55页 |
| ·分类识别 | 第55-56页 |
| ·一种改进的基于 2DPCA的人脸识别 | 第56-57页 |
| ·改进的 2DPCA算法思想 | 第56页 |
| ·特征提取 | 第56-57页 |
| ·分类识别 | 第57页 |
| ·实验结果及分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于红外与可见光图像融合技术的人脸识别 | 第60-69页 |
| ·图像融合概述 | 第60-61页 |
| ·图像融合的定义 | 第60页 |
| ·图像融合的分类 | 第60-61页 |
| ·红外与可见光图像融合人脸识别优势 | 第61-62页 |
| ·基于小波变换的红外与可见光图像融合的人脸识别 | 第62-66页 |
| ·基于小波变换融合方法的理论依据 | 第62页 |
| ·图像预处理 | 第62-63页 |
| ·特征融合 | 第63-66页 |
| ·分类识别 | 第66页 |
| ·实验结果及分析 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-70页 |
| ·工作总结 | 第69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文 | 第74页 |
| 参与的科研项目 | 第74页 |
