二维人脸识别算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·人脸识别技术概述 | 第8-10页 |
| ·研究背景和意义 | 第8页 |
| ·人脸识别的应用 | 第8-9页 |
| ·人脸识别的研究内容 | 第9-10页 |
| ·人脸识别的困难 | 第10页 |
| ·人脸识别算法的研究现状 | 第10-14页 |
| ·本文的主要内容和结构安排 | 第14-15页 |
| ·本文的主要内容 | 第14-15页 |
| ·本文的结构安排 | 第15页 |
| ·本章小结 | 第15-16页 |
| 2 核主成分分析 | 第16-25页 |
| ·引言 | 第16页 |
| ·核主成分分析原理 | 第16-24页 |
| ·主成分分析 | 第16-19页 |
| ·核函数方法基本原理 | 第19-20页 |
| ·核主成分分析 | 第20-23页 |
| ·核主成分分析和主成分分析的比较 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 支撑向量机理论 | 第25-34页 |
| ·引言 | 第25页 |
| ·SVM 基本思想及特点 | 第25-26页 |
| ·机器学习与VC 理论 | 第26-28页 |
| ·机器学习 | 第26-27页 |
| ·VC 维理论 | 第27-28页 |
| ·线性支持向量机 | 第28-30页 |
| ·最优分类面 | 第28-29页 |
| ·广义最优分类面 | 第29-30页 |
| ·非线性支持向量机 | 第30-31页 |
| ·非线性支持向量机实现思想 | 第30-31页 |
| ·主要的核函数 | 第31页 |
| ·SVM 多类分类器 | 第31-32页 |
| ·组合多类SVM 的基本思想 | 第31-32页 |
| ·一对多组合多类SVM | 第32页 |
| ·一对一组合多类SVM | 第32页 |
| ·本章小结 | 第32-34页 |
| 4 人脸核主分量特征提取 | 第34-41页 |
| ·引言 | 第34页 |
| ·人脸图像预处理方法 | 第34-38页 |
| ·中值滤波 | 第34-35页 |
| ·归一化 | 第35-38页 |
| ·人脸数据库简介 | 第38-39页 |
| ·核主分量特征提取 | 第39-40页 |
| ·人脸图像预处理 | 第39-40页 |
| ·特征提取 | 第40页 |
| ·本章小结 | 第40-41页 |
| 5 一种新的特征融合人脸识别算法 | 第41-51页 |
| ·引言 | 第41页 |
| ·差空间人脸图像 | 第41-43页 |
| ·二阶特征脸概述 | 第41-42页 |
| ·差空间人脸图像 | 第42-43页 |
| ·核主分量特征融合 | 第43-46页 |
| ·融合方法 | 第43页 |
| ·融合参数选取算法 | 第43-46页 |
| ·分类实验及结果分析 | 第46-50页 |
| ·分类器选择 | 第46页 |
| ·实验过程 | 第46-48页 |
| ·实验结果及分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| ·论文总结 | 第51页 |
| ·工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
