基于LPP算法的人脸识别系统的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 人脸识别的国内外研究现状 | 第12-18页 |
| 1.2.1 基于神经网络的人脸识别 | 第12-13页 |
| 1.2.2 基于支持向量机的人脸识别 | 第13-14页 |
| 1.2.3 基于隐马尔可夫模型的人脸识别 | 第14-15页 |
| 1.2.4 基于子空间的人脸识别 | 第15-17页 |
| 1.2.5 基于小波特征的人脸识别 | 第17-18页 |
| 1.3 研究意义 | 第18-19页 |
| 1.4 论文的组织结构 | 第19-21页 |
| 第2章 相关理论和技术 | 第21-33页 |
| 2.1 子空间特征提取 | 第21-28页 |
| 2.1.1 基于线性子空间的特征提取 | 第21-23页 |
| 2.1.2 基于流形子空间的特征提取 | 第23-28页 |
| 2.2 OpenMP简介 | 第28-29页 |
| 2.3 SSE指令集简介 | 第29-30页 |
| 2.4 国内外公用人脸数据库 | 第30-31页 |
| 2.5 小结 | 第31-33页 |
| 第3章 人脸识别系统的总体设计 | 第33-41页 |
| 3.1 系统需求分析 | 第33-35页 |
| 3.2 系统功能设计 | 第35-36页 |
| 3.3 LPP算法及其改进 | 第36-39页 |
| 3.3.1 LPP算法 | 第36-37页 |
| 3.3.2 对LPP算法的改进 | 第37-39页 |
| 3.4 系统开发与运行环境 | 第39-40页 |
| 3.5 小结 | 第40-41页 |
| 第4章 人脸识别系统的实现 | 第41-59页 |
| 4.1 人脸图像获取 | 第41-42页 |
| 4.2 图像预处理 | 第42-47页 |
| 4.2.1 直方图均衡化 | 第43-44页 |
| 4.2.2 尺度归一化 | 第44-46页 |
| 4.2.3 高斯差分滤波 | 第46-47页 |
| 4.3 特征提取 | 第47-50页 |
| 4.3.1 基于LPP的特征提取 | 第48-49页 |
| 4.3.2 基于改进LPP的特征提取 | 第49-50页 |
| 4.4 人脸识别 | 第50-53页 |
| 4.4.1 分类准则 | 第50-52页 |
| 4.4.2 最近邻分类识别 | 第52-53页 |
| 4.5 识别结果与分析 | 第53-58页 |
| 4.5.1 ORL人脸数据库 | 第53-55页 |
| 4.5.2 Yale人脸数据库 | 第55-56页 |
| 4.5.3 AR人脸数据库 | 第56-58页 |
| 4.6 小结 | 第58-59页 |
| 第5章 系统的并行化及性能分析 | 第59-67页 |
| 5.1 基于OpenMP的人脸识别系统 | 第59-61页 |
| 5.1.1 特征提取的OpenMP并行化 | 第59-60页 |
| 5.1.2 特征识别的OpenMP并行化 | 第60-61页 |
| 5.2 基于SSE的人脸识别系统 | 第61-62页 |
| 5.2.1 特征提取的SSE并行化 | 第61-62页 |
| 5.2.2 特征识别的SSE并行化 | 第62页 |
| 5.3 基于OpenMP和SSE的人脸识别系统 | 第62页 |
| 5.4 特征提取的性能分析 | 第62-64页 |
| 5.5 特征识别的性能分析 | 第64-66页 |
| 5.6 小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间发表论文情况 | 第75-77页 |
| 附录 | 第77-80页 |
| 附录A | 第77-78页 |
| 附录B | 第78-80页 |
