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Gabor小波的2DPCA+PCA人脸识别算法设计与实现

摘要第5-6页
Abstract第6-7页
第一章 绪论第11-20页
    1.1 生物识别技术概论第11-13页
        1.1.1 生物识别技术分类第11-13页
        1.1.2 生物识别基本过程第13页
    1.2 人脸识别技术概述第13-18页
        1.2.1 人脸识别的技术优势第13-14页
        1.2.2 人脸识别的研究现状第14-15页
        1.2.3 人脸识别技术的应用第15-16页
        1.2.4 人脸识别的常用方法第16-17页
        1.2.5 人脸识别研究的难点第17-18页
    1.3 本文采用的人脸图像库第18页
    1.4 本文组织安排第18-20页
第二章 人脸识别系统概述第20-27页
    2.1 人脸识别系统第20-23页
        2.1.1 图像获取第20页
        2.1.2 人脸检测第20-21页
        2.1.3 图像预处理第21-22页
        2.1.4 特征提取和选择第22页
        2.1.5 训练第22页
        2.1.6 识别第22-23页
    2.2 主要的人脸识别方法第23-26页
        2.2.1 基于几何的人脸识别第24页
        2.2.2 基于模型的人脸识别第24-25页
        2.2.3 基于统计的人脸识别第25-26页
        2.2.4 基于神经网络的人脸识别第26页
    2.3 本章小结第26-27页
第三章 基于Gabor小波的人脸表示第27-37页
    3.1 Gabor小波变换的定义第28-29页
    3.2 二维Gabor滤波器函数及其参数的选择第29-33页
        3.2.1 二维Gabor滤波器第29-30页
        3.2.2 二维Gabor滤波器函数参数的选择第30-31页
        3.2.3 二维Gabor滤波器参数的意义第31-33页
    3.3 人脸图像的二维Gabor小波表示第33-36页
        3.3.1 人脸图像的二维Gabor小波表示第33-34页
        3.3.2 Gabor特征图像的降维第34-36页
    3.4 本章小结第36-37页
第四章 基于PCA人脸特征提取算法的研究第37-52页
    4.1 基于主成分分析的人脸识别第37-40页
        4.1.1 主成分分析(PCA)的基本原理第38-39页
        4.1.2 PCA应用于人脸识别第39-40页
    4.2 基于二维主成分分析的人脸识别第40-43页
        4.2.1 2DPCA 的原理第40-41页
        4.2.2 2DPCA特征提取第41-42页
        4.2.3 2DPCA图像的重建第42-43页
    4.3 基于对角PCA的人脸识别第43-45页
        4.3.1 对角PCA的基本原理第43-44页
        4.3.2 对角PCA应用于人脸识别第44-45页
    4.4 基于对角2D PCA的人脸识别第45-47页
    4.5 基于2DPCA+PCA的人脸识别方法第47页
    4.6 基于Gabor小波的2DPCA+PCA的人脸识别训练和识别第47-48页
    4.7 2DPCA及PCA人脸识别特征矩阵维数的选取第48-50页
    4.8 距离函数的选取第50页
    4.9 对几种主成分分析优缺点总结第50-51页
    4.10 本章小结第51-52页
第五章 实验结果与分析第52-61页
    5.1 主成分个数对几种识别方法的影响第52-56页
        5.1.1 采用PCA取不同主成分个数的识别第52页
        5.1.2 采用2DPCA取不同主成分个数的识别第52页
        5.1.3 DiaPCA实验结果分析第52-53页
        5.1.4 Dia2DPCA实验结果分析第53-54页
        5.1.5 采用2DPCA+PCA取不同主成分个数的识别第54-55页
        5.1.6 采用基于Gabor小波的2DPCA+PCA取不同主成分个数的识别第55页
        5.1.7 几种不同的识别方法比对第55-56页
    5.2 样本数量对识别率的影响第56-57页
    5.3 对二维Gabor滤波器在人脸识别中的响应特性的讨论第57-60页
        5.3.1 边缘第58-59页
        5.3.2 亮度第59页
        5.3.3 位置第59-60页
    5.4 本章小结第60-61页
第六章 总结与展望第61-63页
    6.1 总结第61-62页
    6.2 展望第62-63页
参考文献第63-66页
致谢第66页

论文共66页,点击 下载论文
上一篇:极薄带材轧制及最小可轧厚度研究
下一篇:基于图像传感器的四足太阳能电池太阳跟踪器的研究