摘要 | 第1-5页 |
Abstract | 第5-7页 |
目录 | 第7-11页 |
1 绪论 | 第11-18页 |
·研究的背景和意义 | 第11-12页 |
·人脸识别方法的研究现状 | 第12-17页 |
·人脸识别方法的国内外研究现状 | 第12-13页 |
·人脸识别的基本步骤 | 第13-14页 |
·常见的人脸识别方法 | 第14-16页 |
·人脸识别方法的性能评价 | 第16-17页 |
·论文的主要工作 | 第17-18页 |
2 基于子空间分析的人脸识别对比研究 | 第18-47页 |
·基于PCA的人脸识别研究 | 第18-23页 |
·主成分分析的基本原理 | 第18-19页 |
·基于PCA的人脸识别原理 | 第19-21页 |
·基于PCA的人脸识别仿真实验 | 第21-23页 |
·基于2DPCA的人脸识别研究 | 第23-27页 |
·基于2DPCA的人脸识别原理 | 第24-25页 |
·基于2DPCA的人脸识别仿真实验 | 第25-27页 |
·基于SVD的人脸识别研究 | 第27-31页 |
·奇异值分解的基本原理 | 第27-28页 |
·基于SVD的人脸识别原理 | 第28-30页 |
·基于SVD的人脸识别仿真实验 | 第30-31页 |
·基于ICA的人脸识别研究 | 第31-39页 |
·独立成分分析的基本原理 | 第32-34页 |
·基于ICA的人脸识别原理 | 第34-37页 |
·基于ICA的人脸识别仿真实验 | 第37-39页 |
·基于FDA的人脸识别研究 | 第39-43页 |
·FDA的基本原理 | 第40-41页 |
·基于FDA的人脸识别仿真实验 | 第41-43页 |
·基于子空间分析的人脸识别方法对比研究 | 第43-46页 |
·算法的理论对比分析 | 第43-44页 |
·仿真实验结果对比分析 | 第44-46页 |
·本章小结 | 第46-47页 |
3 基于2DGabor变换的人脸识别研究 | 第47-55页 |
·多通道Gabor滤波的原理 | 第47-49页 |
·二维Gabor变换原理 | 第47-48页 |
·二维Gabor变换对人脸图像的响应 | 第48-49页 |
·基于多通道Gabor滤波器组的设计与特征提取 | 第49-54页 |
·二维Gabor滤波器的原理 | 第49页 |
·参数的设置 | 第49-53页 |
·基于多通道Gabor滤波器组的人脸特征提取 | 第53-54页 |
·本章小结 | 第54-55页 |
4 人脸识别分类器研究 | 第55-69页 |
·基于距离的人脸图像分类方法研究 | 第55-57页 |
·距离分类的原理 | 第55-57页 |
·基于K.近邻分类器的人脸识别研究 | 第57页 |
·基于贝叶斯决策的人脸图像分类方法研究 | 第57-59页 |
·贝叶斯决策理论 | 第57-58页 |
·基于贝叶斯分类器的人脸识别原理 | 第58-59页 |
·基于贝叶斯决策的人脸识别仿真实验 | 第59页 |
·基于神经网络的人脸图像分类方法研究 | 第59-63页 |
·径向基神经网络分类原理 | 第60-61页 |
·基于RBF神经网络的人脸识别原理 | 第61-62页 |
·基于RBF神经网络的人脸识别仿真实验 | 第62-63页 |
·基于支持向量机的人脸图像分类方法研究 | 第63-67页 |
·支持向量机的分类原理 | 第63-65页 |
·基于支持向量机的人脸识别原理 | 第65-66页 |
·基于支持向量机的人脸识别仿真实验 | 第66-67页 |
·分类器的分类效果对比研究 | 第67-68页 |
·本章小结 | 第68-69页 |
5 基于改进FDA和RBF神经网络的人脸识别研究 | 第69-80页 |
·基于PCA+FDA的人脸识别研究 | 第69-70页 |
·基于PCA+FDA的人脸识别原理 | 第69-70页 |
·基于PCA+FDA的人脸识别步骤 | 第70页 |
·基于2DPCA+FDA的人脸识别研究 | 第70-73页 |
·基于2DPCA+FDA的人脸识别原理 | 第70-71页 |
·基于2DPCA+FDA的人脸识别步骤 | 第71-72页 |
·基于PCA+FDA和2DPCA+FDA的人脸识别仿真实验 | 第72-73页 |
·基于2DGabor+FDA的人脸识别研究 | 第73-77页 |
·基于2DGabor+FDA的人脸识别原理 | 第73-74页 |
·基于2DGabor+FDA的人脸识别步骤 | 第74-75页 |
·基于2DGabor+FDA人脸识别仿真实验 | 第75-77页 |
·改进算法的对比研究 | 第77-79页 |
·本章小结 | 第79-80页 |
6 总结与展望 | 第80-82页 |
·全文总结 | 第80-81页 |
·课题展望 | 第81-82页 |
参考文献 | 第82-86页 |
致谢 | 第86-87页 |
个人简历、在校期间发表的学术论文和研究成果 | 第87页 |