基于线性投影分析与非线性核方法在人脸识别中的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| ·人脸识别研究背景、意义、现状分析及发展 | 第9-11页 |
| ·本文研究工作概述 | 第11-13页 |
| ·本文的内容安排 | 第13-14页 |
| 第2章 人脸图像预处理 | 第14-19页 |
| ·人脸的检测与分割 | 第14-15页 |
| ·人脸图像的规范化 | 第15-19页 |
| ·光照影响 | 第15-17页 |
| ·其他因素 | 第17-19页 |
| 第3章 线性投影方法在人脸识别中的应用 | 第19-38页 |
| ·特征提取 | 第19-21页 |
| ·线性投影方法介绍 | 第21-33页 |
| ·人脸图像集的定义 | 第21-22页 |
| ·PCA成分分析 | 第22-29页 |
| ·LDA线性鉴别分析 | 第29-33页 |
| ·人脸图像样本的平面显示 | 第33-34页 |
| ·PCA、LDA特征提取结果 | 第34-37页 |
| ·小结 | 第37-38页 |
| 第4章 基于非线性核函数方法的特征提取 | 第38-55页 |
| ·基于核函数的非线性映射方法 | 第38-40页 |
| ·KPCA | 第40-43页 |
| ·含规范化参数的KDDA | 第43-50页 |
| ·KPCA、KDDA特征提取结果 | 第50-54页 |
| ·小结 | 第54-55页 |
| 第5章 分类器的选择 | 第55-76页 |
| ·BP网络 | 第55-62页 |
| ·SVM支持向量机 | 第62-69页 |
| ·最近邻分类器 | 第69-72页 |
| ·小样本问题 | 第72-75页 |
| ·小结 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 附录A(数学符号说明) | 第82-83页 |
| 附录B(图表索引) | 第83-85页 |
| 附录C(攻读学位期间所发表的学术论文) | 第85-86页 |
| 附录D(攻读学位期间所参加的科研项目目录) | 第86-87页 |
| 附录E 学位论文原创性声明与版权使用授权书 | 第87页 |