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

人脸特征提取与识别算法研究

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

论文共127页,点击 下载论文
上一篇:三维人体运动分析与动作识别方法
下一篇:网格环境下的科学工作流优化调度策略研究