人脸图像识别算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 绪论 | 第10-21页 |
| ·研究背景 | 第10-11页 |
| ·课题来源 | 第11页 |
| ·相关背景理论知识 | 第11-14页 |
| ·计算机视觉理论基本概念 | 第11-12页 |
| ·MARR 视觉理论 | 第12-14页 |
| ·基于推理的视觉理论 | 第14页 |
| ·人脸识别算法概要和国内外研究进展 | 第14-17页 |
| ·人脸识别的应用前景及一些商用软件 | 第17-19页 |
| ·本文的贡献 | 第19-20页 |
| ·论文的内容及组织 | 第20-21页 |
| 第二章 人脸肤色模型的建立及应用 | 第21-26页 |
| ·引言 | 第21页 |
| ·肤色研究 | 第21-22页 |
| ·肤色归一化 | 第22-23页 |
| ·混合高斯模型 | 第23-24页 |
| ·EM 算法 | 第24页 |
| ·人脸肤色检测 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于主成分分析和支持向量机的人脸识别方法 | 第26-39页 |
| ·引言 | 第26-27页 |
| ·人脸特征表示和提取 | 第27-30页 |
| ·光照归一化——直方图匹配 | 第27-28页 |
| ·尺度归一化和屏蔽模板 | 第28页 |
| ·特征的抽取 | 第28-29页 |
| ·变换矩阵的计算 | 第29页 |
| ·计算特征值和特征向量的方法 | 第29-30页 |
| ·支持向量机 | 第30-32页 |
| ·概述 | 第30-31页 |
| ·多类(K-类)问题的SVM 算法 | 第31-32页 |
| ·支持向量机的构造 | 第32页 |
| ·识别系统 | 第32-34页 |
| ·SVM 的识别方法 | 第32-33页 |
| ·识别过程 | 第33-34页 |
| ·基于SVM 的人脸识别框图 | 第34页 |
| ·实验结果和分析 | 第34-37页 |
| ·实验一 | 第34-35页 |
| ·实验二 | 第35-37页 |
| ·实验结果分析 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于局部特征的人脸识别方法 | 第39-53页 |
| ·引言 | 第39页 |
| ·特征脸法的缺陷 | 第39-40页 |
| ·小波描述人脸特征的优点 | 第40-43页 |
| ·从时域到频域的变换----傅里叶变换 | 第40-41页 |
| ·GABOR 变换 | 第41-42页 |
| ·GABOR 变换的优越性 | 第42-43页 |
| ·弹性图匹配方法 | 第43-44页 |
| ·特征点定位 | 第44-47页 |
| ·眼睛定位 | 第44-45页 |
| ·平面旋转矫正 | 第45页 |
| ·定位其它特征点 | 第45-47页 |
| ·特征点调整 | 第47-49页 |
| ·GABOR 变换 | 第47-49页 |
| ·人脸弹性图 | 第49页 |
| ·特征点单独调整 | 第49页 |
| ·进一步调整 | 第49-50页 |
| ·识别过程和实验结果 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于主动表面模型和小波变换的识别方法 | 第53-64页 |
| ·前言 | 第53页 |
| ·主动表面模型 | 第53-56页 |
| ·对形状建模 | 第53-55页 |
| ·纹理建模 | 第55页 |
| ·形状和纹理模型合并 | 第55-56页 |
| ·主动表面模型的训练 | 第56-59页 |
| ·形状向量化处理 | 第56-57页 |
| ·纹理向量化处理 | 第57-58页 |
| ·形状和纹理处理 | 第58-59页 |
| ·利用主动表面模型进行二维图像搜索 | 第59-60页 |
| ·主动形状模型的搜索结果 | 第60页 |
| ·GABOR 变换表示特征及识别过程 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结论和展望 | 第64-66页 |
| ·本文工作小结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 作者简历 | 第72页 |
| 攻读硕士学位期间发表的论文 | 第72-74页 |
