基于SIFT的分块加权人脸识别系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文章节安排 | 第14-16页 |
| 第二章 人脸识别系统相关理论研究 | 第16-27页 |
| 2.1 人脸识别系统的基本组成 | 第16-17页 |
| 2.2 人脸图像特征 | 第17-20页 |
| 2.2.1 点特征 | 第17-19页 |
| 2.2.2 线特征 | 第19页 |
| 2.2.3 面特征 | 第19页 |
| 2.2.4 纹理特征 | 第19-20页 |
| 2.2.5 颜色特征 | 第20页 |
| 2.3 人脸特征提取方法 | 第20-23页 |
| 2.3.1 基于几何特征的方法 | 第20-21页 |
| 2.3.2 基于主成分分析的方法 | 第21-22页 |
| 2.3.3 Fisherfaces方法 | 第22页 |
| 2.3.4 基于核的表示方法 | 第22页 |
| 2.3.5 基于尺度旋转不变特征的方法 | 第22-23页 |
| 2.4 人脸分类识别算法 | 第23-26页 |
| 2.4.1 RBF神经网络算法分类识别 | 第23-24页 |
| 2.4.2 支持向量机 | 第24-25页 |
| 2.4.3 最近邻分类法 | 第25页 |
| 2.4.4 随机森林法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 改进SIFT特征提取方法及实现 | 第27-44页 |
| 3.1 图像分块处理 | 第27-29页 |
| 3.2 分块SIFT人脸特征提取 | 第29-40页 |
| 3.2.1 建立尺度空间 | 第31-34页 |
| 3.2.2 关键点检测 | 第34-35页 |
| 3.2.3 去除不稳定极值点及边缘响应 | 第35-37页 |
| 3.2.4 确定关键点的方向 | 第37-39页 |
| 3.2.5 特征点向量描述 | 第39-40页 |
| 3.3 2DICA优化降维处理 | 第40-41页 |
| 3.4 自适应加权 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 实验及结果分析 | 第44-54页 |
| 4.1 YALE人脸库中的实验结果与分析 | 第45-48页 |
| 4.1.1 表情变化情况 | 第45-47页 |
| 4.1.2 光照变化情况 | 第47-48页 |
| 4.2 ORL人脸库中的实验结果与分析 | 第48-51页 |
| 4.2.1 姿势变化情况 | 第48-50页 |
| 4.2.2 遮挡情况 | 第50-51页 |
| 4.3 YALEB人脸库中的实验结果与分析 | 第51-52页 |
| 4.3.1 光照变化情况 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
