| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题来源及研究的背景和意义 | 第11-12页 |
| 1.2 国内外的研究现状与展望 | 第12-15页 |
| 1.3 本文的研究内容及章节安排 | 第15-17页 |
| 1.3.1 本文研究的工作及创新点 | 第15-16页 |
| 1.3.2 本文的章节安排 | 第16-17页 |
| 第2章 单样本人脸识别的相关理论 | 第17-23页 |
| 2.1 单样本下训练样本扩充 | 第17-18页 |
| 2.2 LBP人脸识别原理 | 第18-20页 |
| 2.3 Gabor小波 | 第20-21页 |
| 2.4 PCA人脸识别 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于LBP的自适应加权融合单样本人脸识别 | 第23-38页 |
| 3.1 引言 | 第23页 |
| 3.2 LBP算子的模式 | 第23-26页 |
| 3.2.1 LBP的一致性模式 | 第23-25页 |
| 3.2.2 旋转不变的LBP算子 | 第25-26页 |
| 3.3 改进的自适应加权LBP算子 | 第26-29页 |
| 3.3.1 自适应加权融合 | 第26-27页 |
| 3.3.2 自适应加权融合LBP分类识别 | 第27-29页 |
| 3.4 实验结果与分析 | 第29-37页 |
| 3.4.1 在Yale人脸库上的实验 | 第29-34页 |
| 3.4.2 在ORL人脸库上的实验 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 融合LGBP和SIFT的单样本人脸识别 | 第38-52页 |
| 4.1 引言 | 第38页 |
| 4.2 SIFT基本原理 | 第38-41页 |
| 4.3 LGBP和SIFT特征融合 | 第41-45页 |
| 4.3.1 引入零率思想的LGBP算子 | 第41-43页 |
| 4.3.2 改进的SIFT描述子 | 第43-45页 |
| 4.3.3 LGBP和SIFT特征融合 | 第45页 |
| 4.4 实验结果与分析 | 第45-50页 |
| 4.4.1 在Yale人脸库上的实验 | 第46-48页 |
| 4.4.2 在ORL人脸库上的实验 | 第48-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第5章 基于双向主成分分析的单样本人脸识别 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 BP神经网络 | 第52-54页 |
| 5.3 二维主成分分析 | 第54-55页 |
| 5.4 基于多权值函数BP神经网络的双向主成分分析 | 第55-58页 |
| 5.5 实验结果与分析 | 第58-62页 |
| 5.5.1 在Yale人脸库上的实验 | 第58-60页 |
| 5.5.2 在ORL人脸库上的实验 | 第60-62页 |
| 5.6 本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |