基于快速变换的人脸特征提取与识别技术的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 论文背景 | 第10页 |
| 1.2 人脸识别技术 | 第10-14页 |
| 1.2.1 人脸识别研究意义 | 第10-11页 |
| 1.2.2 人脸识别研究发展历史及现状 | 第11-13页 |
| 1.2.3 人脸识别研究的应用 | 第13页 |
| 1.2.4 人脸识别技术的研究内容 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的内容安排 | 第15-17页 |
| 第二章 人脸图像预处理技术 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 灰度变换 | 第17-21页 |
| 2.2.1 一些基本的灰度变换函数 | 第17-20页 |
| 2.2.1.1 图像反转函数 | 第17-18页 |
| 2.2.1.2 对数变换函数 | 第18页 |
| 2.2.1.3 分段线性变换函数 | 第18-20页 |
| 2.2.2 直方图均衡 | 第20-21页 |
| 2.3 空间滤波 | 第21-26页 |
| 2.3.1 平滑滤波器 | 第22-23页 |
| 2.3.1.1 平滑线性滤波 | 第22-23页 |
| 2.3.1.2 非线性滤波 | 第23页 |
| 2.3.2 锐化空间滤波器 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 人脸识别中特征提取的经典算法 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 基于PCA算法的人脸识别技术研究 | 第27-31页 |
| 3.2.1 PCA算法理论 | 第27-28页 |
| 3.2.2 PCA算法在人脸识别中的实现 | 第28-31页 |
| 3.3 基于奇异值分解算法的人脸识别 | 第31-35页 |
| 3.3.1 奇异值分解理论 | 第31-34页 |
| 3.3.2 奇异值分解在人脸识别中的应用 | 第34-35页 |
| 3.4 两种经典算法的比较 | 第35-39页 |
| 3.4.1 异同点比较 | 第35页 |
| 3.4.2 实验结果分析比较 | 第35-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于DCT算法的人脸识别技术研究 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 DCT算法理论 | 第41-42页 |
| 4.2.1 一维DCT变换原理 | 第41-42页 |
| 4.2.2 二维DCT变换原理 | 第42页 |
| 4.3 DCT算法在人脸识别中的应用 | 第42-44页 |
| 4.4 实验结果及性能分析 | 第44-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 基于快速傅立叶变换的人脸识别算法的研究 | 第51-65页 |
| 5.1 引言 | 第51页 |
| 5.2 傅立叶变换原理 | 第51-56页 |
| 5.2.1 一维傅立叶变换原理 | 第51-52页 |
| 5.2.2 二维傅立叶变换原理 | 第52-56页 |
| 5.3 快速傅立叶变换原理 | 第56-58页 |
| 5.4 快速傅立叶变换在人脸识别中的应用 | 第58页 |
| 5.5 实验结果及性能分析 | 第58-63页 |
| 5.6 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
