摘要 | 第1-6页 |
ABSTRACT | 第6-8页 |
目录 | 第8-11页 |
第1章 绪论 | 第11-21页 |
·人脸识别概论 | 第11页 |
·背景及意义 | 第11-13页 |
·人脸识别系统 | 第13-16页 |
·特征提取算法 | 第13-15页 |
·识别分类器 | 第15-16页 |
·人脸数据库 | 第16-19页 |
·研究内容及安排 | 第19-21页 |
第2章 小波理论与研究 | 第21-33页 |
·引言 | 第21页 |
·小波分析变换及其性质 | 第21-25页 |
·一维连续小波变换 | 第21-23页 |
·高维连续小波变换 | 第23-24页 |
·离散小波变换 | 第24-25页 |
·几种常用的小波 | 第25页 |
·多分辨分析与Mallat算法 | 第25-29页 |
·多分辨分析 | 第25-27页 |
·Mallat算法 | 第27-29页 |
·最优小波基选择与分解层数确定 | 第29-32页 |
·小波基的选择 | 第29-31页 |
·分解层数的确定 | 第31页 |
·小波系数的选择 | 第31-32页 |
·本章小结 | 第32-33页 |
第3章 基于分块小波的人脸识别算法 | 第33-44页 |
·引言 | 第33页 |
·Karhunen-Loeve变换及主成分分析法 | 第33-36页 |
·K-L变换 | 第33-35页 |
·主成分分析法 | 第35-36页 |
·线性判别分析 | 第36-38页 |
·分块小波组合特征提取 | 第38-41页 |
·确定分块小波系数 | 第38-40页 |
·组合特征的提取及识别算法 | 第40-41页 |
·实验结果与讨论 | 第41-42页 |
·本章小结 | 第42-44页 |
第4章 二代小波在人脸识别中的应用 | 第44-62页 |
·二代小波 | 第44-45页 |
·曲波变换及其在人脸识别中的应用 | 第45-49页 |
·一代曲波变换 | 第45-47页 |
·二代Curvelet变换 | 第47-49页 |
·基于Curvelet变换的人脸识别算法 | 第49-55页 |
·二代曲波在人脸图像上的处理与实现 | 第49-52页 |
·基于分块小波域的曲波变换的人脸识别的算法 | 第52页 |
·实验结果及分析 | 第52-55页 |
·Contourlet变换及其在人脸识别中的应用 | 第55-61页 |
·Contourlet变换的多分辨模型及性质 | 第55-58页 |
·基于小波的Contourlet变换的人脸识别新算法 | 第58-59页 |
·试验结果及分析 | 第59-61页 |
·本章小结 | 第61-62页 |
第5章 基于零树编码的人脸识别算法 | 第62-77页 |
·引言 | 第62页 |
·零树编码的概念 | 第62-64页 |
·EZW的算法过程 | 第64-66页 |
·特征四叉树的构建 | 第66-68页 |
·基于EZW的特征四叉树的人脸识别算法 | 第68-69页 |
·基于特征四叉树的人脸识别算法 | 第68-69页 |
·试验结果及分析 | 第69页 |
·改进的基于特征四叉树的小波矩的识别算法 | 第69-75页 |
·基于特征四叉树的稀疏小波矩的构造 | 第71-73页 |
·基于特征四叉树的稀疏小波矩的人脸识别的算法及实验结果 | 第73-75页 |
·基于三角函数的稀疏不变矩的构造 | 第75-76页 |
·本章小结 | 第76-77页 |
第6章 融合分类器的设计 | 第77-94页 |
·引言 | 第77页 |
·支持向量机分类器 | 第77-81页 |
·支持向量机原理 | 第77-79页 |
·支持向量机的实现 | 第79-81页 |
·K近邻分类器 | 第81-82页 |
·随机森林 | 第82-86页 |
·随机森林的原理 | 第83-85页 |
·随机森林用于人脸识别 | 第85-86页 |
·分类器的设计 | 第86-88页 |
·类别特征法 | 第86-87页 |
·基于KNN过滤的SVM算法 | 第87-88页 |
·基于优化的融合分类器组合法 | 第88页 |
·分类器的比较与组合实验结果及分析 | 第88-93页 |
·分类器特征的分析与比较 | 第89-90页 |
·几种分类器组合应用于人脸识别的结果分析 | 第90-93页 |
·本章小结 | 第93-94页 |
第7章 总结与展望 | 第94-97页 |
·总结 | 第94-95页 |
·展望 | 第95-97页 |
参考文献 | 第97-110页 |
附录 | 第110-125页 |
致谢 | 第125-126页 |
攻读博士学位期间主要的研究成果 | 第126-127页 |
参与的科研项目 | 第127页 |