基于子空间的人脸识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第14-21页 |
| 1.1 课题研究背景与意义 | 第14-15页 |
| 1.2 研究现状与趋势 | 第15-17页 |
| 1.3 实验数据集 | 第17-19页 |
| 1.4 论文主要内容 | 第19-21页 |
| 第二章 人脸特征提取与识别方法 | 第21-29页 |
| 2.1 2D-Gabor特征 | 第21-22页 |
| 2.2 LBP特征 | 第22-23页 |
| 2.3 ASIFT特征 | 第23-27页 |
| 2.4 图像信息熵 | 第27-28页 |
| 2.5 子空间人脸识别方法 | 第28-29页 |
| 第三章 采用不同分类器的子空间人脸识别算法 | 第29-42页 |
| 3.1 采用DBN的子空间人脸识别算法 | 第29-35页 |
| 3.1.1 算法原理与描述 | 第29-32页 |
| 3.1.2 实验设计 | 第32-35页 |
| 3.2 实验结果和分析 | 第35-41页 |
| 3.2.1 实验结果 | 第35-40页 |
| 3.2.2 结果分析 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 采用复合特征的子空间人脸识别算法 | 第42-63页 |
| 4.1 “2DGabor+LBP”人脸识别算法 | 第42-52页 |
| 4.1.1 算法原理与描述 | 第42-44页 |
| 4.1.2 实验设计 | 第44-48页 |
| 4.1.3 实验结果和分析 | 第48-52页 |
| 4.2 “ASIFT+信息熵”人脸识别算法 | 第52-61页 |
| 4.2.1 算法原理与描述 | 第52-55页 |
| 4.2.2 实验设计 | 第55-57页 |
| 4.2.3 实验结果和分析 | 第57-61页 |
| 4.3 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-66页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 作者简介及读研期间主要科研成果 | 第70页 |
