首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于AdaBoost算法和Fisher线性准则的人脸识别研究

中文摘要第1-5页
Abstract第5-9页
第一章绪论第9-19页
   ·人脸识别发展进程和研究现状第9-12页
     ·人脸识别的发展历程第9-10页
     ·人脸研究的现状第10-12页
   ·人脸识别的主要方法第12-14页
   ·人脸识别技术的应用第14-15页
   ·人脸识别的评价标准第15-16页
   ·本文的主要工作及创新点第16-17页
   ·本文结构安排第17-19页
第二章 优化参数修正ADABOOST 算法的人脸检测第19-37页
   ·预备知识第19-20页
   ·ADABOOST 算法原理及泛化性能分析第20-23页
     ·AdaBoost 算法的原理第20-22页
     ·AdaBoost 算法的泛化性能分析第22-23页
   ·基于ADABOOST算法的人脸检测第23-29页
     ·Haar 型特征及积分图像第24-25页
     ·AdaBoost 算法的训练过程第25-28页
     ·级联分类器的使用与设计第28-29页
       ·级联分类器的使用第28页
       ·级联分类器的设计第28-29页
   ·优化后的ADABOOST 人脸检测算法第29-32页
     ·改进样本权值参数第30页
     ·改进弱分类器权值参数第30-32页
   ·实验结果第32-36页
     ·Adaboost 算法抽取的特征第33页
     ·人脸检测结果第33-36页
   ·本章小结第36-37页
第三章 基于全局特征的FISHERFACE 方法第37-49页
   ·基本概念第37-41页
     ·特征提取第37-38页
     ·相似性度量第38-40页
     ·最近邻判别决策的基本思想第40-41页
   ·主成分分析的原理第41-45页
     ·K-L 变换第42-44页
     ·奇异值分解定理第44-45页
   ·FISHER 线性鉴别分析第45-47页
   ·基于全局特征FISHERFACES 方法的实现第47-48页
   ·本章小结第48-49页
第四章 融合全局特征和局部特征的FISHERFACE 方法第49-56页
   ·局部特征的提取和子空间的构建第49-50页
   ·确定各子区域识别权值第50-52页
   ·局部特征的融合第52页
   ·基于模糊数学的全局特征和局部特征融合第52-54页
     ·特征融合的必要性第52-53页
     ·基于模糊综合的融合算法第53-54页
   ·实验结果第54-55页
   ·本章小结第55-56页
第五章 总结和展望第56-58页
   ·总结第56-57页
   ·展望第57-58页
参考文献第58-62页
攻读学位期间公开发表的论文第62-63页
致谢第63-64页
详细摘要第64-66页

论文共66页,点击 下载论文
上一篇:基于广义有限自动机的图像压缩编码研究
下一篇:基于流媒体的交互式Web教学系统的设计与实现