摘要 | 第1-7页 |
Abstract | 第7-9页 |
目录 | 第9-12页 |
第一章 绪论 | 第12-24页 |
·人脸识别研究概述 | 第12-14页 |
·人脸识别研究发展与现状 | 第12-13页 |
·人脸识别的应用领域 | 第13页 |
·人脸识别系统的组成 | 第13-14页 |
·人脸特征提取与识别方法 | 第14-18页 |
·基于几何特征的方法 | 第14-15页 |
·基于代数特征的方法 | 第15页 |
·支持向量机方法 | 第15-16页 |
·基于核技术的方法 | 第16页 |
·基于弹性模型的方法 | 第16-17页 |
·基于神经网络的方法 | 第17页 |
·形变模型方法 | 第17-18页 |
·人脸识别常用的数据库及性能评价 | 第18-19页 |
·本文研究工作概述 | 第19-22页 |
·本文章节安排 | 第22-24页 |
第二章 融合分块小波变换与 KPCA的人脸特征抽取理论 | 第24-42页 |
·引言 | 第24-25页 |
·分块人脸二维离散小波变换(DDWT)与特征抽取 | 第25-27页 |
·二维离散小波变换的基本概念 | 第25-26页 |
·分块人脸小波变换与特征抽取 | 第26-27页 |
·小波变换层数与小波基的选择 | 第27-31页 |
·小波基的选择 | 第27-29页 |
·小波变换层数的选择 | 第29-31页 |
·主成分分析(PCA)与核主成分分析(KPCA) | 第31-34页 |
·主成分分析(PCA)的基本概念 | 第31-33页 |
·核主成分分析(KPCA)的基本概念 | 第33-34页 |
·分块小波系数 KPCA特征提取与融合 | 第34-35页 |
·算法实现 | 第35页 |
·实验结果与分析 | 第35-41页 |
·本章结论 | 第41-42页 |
第三章 融合频率域变换与奇异值阈值压缩的人脸特征抽取理论 | 第42-62页 |
·引言 | 第42-43页 |
·融合分块小波变换与奇异值阈值压缩的人脸特征抽取理论 | 第43-53页 |
·奇异值分解的基本原理 | 第43-44页 |
·基于闭值的人脸奇异值压缩降维 | 第44-47页 |
·融合分块小波变换的奇异值阈值压缩与特征融合 | 第47-48页 |
·算法实现 | 第48-49页 |
·实验结果与分析 | 第49-53页 |
·融合分块 DCT变换与奇异值阈值压缩的人脸特征抽取理论 | 第53-60页 |
·图像 DCT变换的基本原理 | 第53-54页 |
·分块图像 DCT变换的基本原理 | 第54-56页 |
·分块 DCT系数矩阵的奇异值阈值压缩与融合 | 第56-57页 |
·算法实现 | 第57页 |
·实验结果与分析 | 第57-60页 |
·本章小结 | 第60-62页 |
第四章 基于人脸不变特征分析的鉴别特征抽取理论 | 第62-80页 |
·引言 | 第62-63页 |
·基于自适应边缘轮廓网格矢量编码的人脸特征抽取理论 | 第63-72页 |
·人脸归一化与边缘提取 | 第63-65页 |
·器官定位与边缘特征轮廓网格分割编码 | 第65-66页 |
·分类 | 第66-68页 |
·实验结果及分析 | 第68-72页 |
·基于不变小波矩描述子特征矩阵与2DPCA投影压缩的人脸特征抽取 | 第72-79页 |
·不变小波矩描述子特征矩阵(WMD) | 第73-75页 |
·2DPCA投影基本理论 | 第75-76页 |
·WMD+2DPCA最优鉴别特征抽取 | 第76页 |
·算法实现 | 第76页 |
·实验结果与仿真 | 第76-79页 |
·本章小结 | 第79-80页 |
第五章 基于最小风险检测 ART网络的人脸特征分类器设计 | 第80-92页 |
·引言 | 第80-81页 |
·最小风险检测 ART网络 | 第81-84页 |
·ART网络的基本结构 | 第81页 |
·最小风险检侧ART网络的结构模型 | 第81-82页 |
·有师监督训练 | 第82-83页 |
·最小风险 ART网络的运行原理 | 第83-84页 |
·基于最小风险检测 ART网络分类器的算法 | 第84-85页 |
·实验仿真与结果分析 | 第85-90页 |
·准则讨论与特征值选取 | 第85页 |
·结果分析与性能比较 | 第85-90页 |
·本章小结 | 第90-92页 |
结束语 | 第92-94页 |
致谢 | 第94-96页 |
参考文献 | 第96-106页 |
附录 | 第106页 |