基于频域隐式Gabor特征的快速人脸识别
| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 人脸识别研究背景及意义 | 第8-9页 |
| 1.2 人脸识别研究发展和现状 | 第9-10页 |
| 1.3 人脸识别系统评价标准 | 第10页 |
| 1.4 论文主要工作及结构安排 | 第10-12页 |
| 第二章 人脸识别概述 | 第12-28页 |
| 2.1 人脸识别系统概述 | 第12-14页 |
| 2.2 人脸图像预处理 | 第14-19页 |
| 2.2.1 图像灰度化 | 第14页 |
| 2.2.2 几何归一化 | 第14-15页 |
| 2.2.3 光照补偿 | 第15-19页 |
| 2.3 特征提取 | 第19-24页 |
| 2.3.1 基于几何特征的方法 | 第19-20页 |
| 2.3.2 基于子空间的方法 | 第20-21页 |
| 2.3.3 基于核映射的方法 | 第21-22页 |
| 2.3.4 基于小波变换的方法 | 第22-23页 |
| 2.3.5 基于神经网络的方法 | 第23页 |
| 2.3.6 三维人脸识别方法 | 第23-24页 |
| 2.4 分类识别 | 第24-26页 |
| 2.4.1 最小距离分类器 | 第24-25页 |
| 2.4.2 最近邻分类器 | 第25-26页 |
| 2.4.3 朴素贝叶斯分类器 | 第26页 |
| 2.4.4 支持向量机分类器 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 基于频域隐式Gabor特征的人脸识别 | 第28-50页 |
| 3.1 Gabor小波特征提取 | 第28-34页 |
| 3.1.1 二维Gabor小波变换 | 第29-30页 |
| 3.1.2 滤波器组参数选择 | 第30-32页 |
| 3.1.3 人脸Gabor表示 | 第32-33页 |
| 3.1.4 频率域隐式Gabor滤波 | 第33-34页 |
| 3.2 PCA方法 | 第34-42页 |
| 3.2.1 离散K-L变换 | 第35-37页 |
| 3.2.2 特征降维 | 第37-38页 |
| 3.2.3 基于频域隐式Gabor特征的PCA | 第38-42页 |
| 3.3 支持向量机 | 第42-49页 |
| 3.3.1 概述 | 第42-43页 |
| 3.3.2 线性支持向量机 | 第43-46页 |
| 3.3.3 非线性支持向量机 | 第46-47页 |
| 3.3.4 频率域上的SVM | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 所提算法流程及实验分析 | 第50-56页 |
| 4.1 所提算法实现流程 | 第50-51页 |
| 4.2 实验结果及分析 | 第51-56页 |
| 4.2.1 FERET | 第52-53页 |
| 4.2.2 ORL | 第53页 |
| 4.2.3 YALE | 第53-55页 |
| 4.2.4 结果分析 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56-57页 |
| 5.2 进一步工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63-64页 |
