基于Gabor特征的多模态人脸识别技术的实现
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.1.1 概述 | 第9-10页 |
| 1.1.2 人脸识别作为生物识别的优势 | 第10-11页 |
| 1.1.3 人脸识别技术存在的困难 | 第11页 |
| 1.2 人脸识别的发展历史及现状 | 第11-14页 |
| 1.3 识别方法及识别过程 | 第14-15页 |
| 1.3.1 识别方法 | 第14-15页 |
| 1.3.2 人脸识别的主要过程 | 第15页 |
| 1.4 系统解决的主要问题 | 第15-16页 |
| 1.5 论文章节安排 | 第16-18页 |
| 第2章 多模态人脸识别维度 | 第18-28页 |
| 2.1 人脸识别多维度多模态 | 第18-20页 |
| 2.1.1 基于图像分割的五官分区 | 第18-19页 |
| 2.1.2 人脸分区特征降维识别 | 第19-20页 |
| 2.2 Matlab软件的概述与应用 | 第20-24页 |
| 2.2.1 Matlab数字图像处理及概述 | 第21页 |
| 2.2.2 Matlab图像处理的基本操作 | 第21-23页 |
| 2.2.3 数字图像处理功能的Matlab实现 | 第23-24页 |
| 2.3 数学形态学 | 第24-27页 |
| 2.3.1 数学形态学基本理论 | 第24-26页 |
| 2.3.2 数学形态学的应用 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 小波变换 | 第28-42页 |
| 3.1 小波变换基本理论 | 第28-34页 |
| 3.1.1 傅里叶变换和短时傅里叶变换 | 第28-29页 |
| 3.1.1.1 傅里叶变换 | 第28-29页 |
| 3.1.1.2 短时傅里叶变换 | 第29页 |
| 3.1.2 小波变换 | 第29-34页 |
| 3.1.2.1 连续小波变换 | 第29-32页 |
| 3.1.2.2 离散小波变换 | 第32-33页 |
| 3.1.2.3 二进正交小波变换 | 第33-34页 |
| 3.2 小波包 | 第34-36页 |
| 3.2.1 小波包分解 | 第35-36页 |
| 3.3 Gabor小波 | 第36-42页 |
| 3.3.1 小波变换原理 | 第36-37页 |
| 3.3.2 Gabor滤波器 | 第37-42页 |
| 第4章 人脸多模态处理 | 第42-56页 |
| 4.1 引言 | 第42-44页 |
| 4.1.1 图像的预处理 | 第42页 |
| 4.1.2 中值滤波 | 第42-43页 |
| 4.1.3 直方图归一化 | 第43-44页 |
| 4.2 图像的增强 | 第44-45页 |
| 4.3 人脸图像的五官提取 | 第45-52页 |
| 4.3.1 边缘检测 | 第46-49页 |
| 4.3.2 五官提取 | 第49-52页 |
| 4.4 五官部分区域的坐标定位 | 第52-53页 |
| 4.5 人脸结构模型的搭建 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第5章 基于SVM的多模态人脸分区特征分类 | 第56-74页 |
| 5.1 引言 | 第56页 |
| 5.2 统计学习理论 | 第56-59页 |
| 5.2.1 VC维 | 第56-57页 |
| 5.2.2 推广性的界 | 第57-58页 |
| 5.2.3 结构风险最小化 | 第58-59页 |
| 5.3 支持向量机 | 第59-66页 |
| 5.3.1 最优分界面 | 第60-65页 |
| 5.3.2 支持向量机的核函数 | 第65-66页 |
| 5.4 多模态支持向量机算法 | 第66-70页 |
| 5.5 基于SVM的唇部表情特征分类 | 第70-71页 |
| 5.6 实验结果与分析 | 第71-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81页 |
