二维PCA人脸识别算法的改进研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 引言 | 第10-12页 |
| 第1章 人脸识别简介 | 第12-17页 |
| 1.1 人脸识别产生的背景及意义 | 第12-14页 |
| 1.1.1 人脸识别产生的背景 | 第12页 |
| 1.1.2 人脸识别的意义 | 第12-14页 |
| 1.2 人脸识别的现状及发展 | 第14-15页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15页 |
| 1.3 常见的人脸识别方法介绍 | 第15-17页 |
| 第2章 基于2DPCA的人脸识别算法及其改进 | 第17-37页 |
| 2.1 主成分分析方法的基本思想和原理 | 第17-19页 |
| 2.1.1 主成分分析方法的基本思想 | 第17-18页 |
| 2.1.2 PCA的基本原理 | 第18-19页 |
| 2.2 基于PCA的人脸识别算法 | 第19-21页 |
| 2.2.1 训练阶段 | 第19-21页 |
| 2.2.2 识别阶段 | 第21页 |
| 2.3 基于2DPCA的人脸识别算法 | 第21-26页 |
| 2.3.1 2DPCA算法步骤 | 第22-24页 |
| 2.3.2 C2DPCA算法步骤 | 第24页 |
| 2.3.3 CS2DPCA算法步骤 | 第24-26页 |
| 2.4 基于完全对称平均2DPCA的人脸识别方法 | 第26-28页 |
| 2.5 实验结果 | 第28-37页 |
| 2.5.1 ORL人脸数据库 | 第28-30页 |
| 2.5.2 Yale人脸数据库 | 第30-32页 |
| 2.5.3 FERET人脸数据库 | 第32-35页 |
| 2.5.4 算法效率 | 第35-37页 |
| 第3章 彩色人脸图像识别 | 第37-48页 |
| 3.1 彩色图像模型简介 | 第37-38页 |
| 3.1.1 RGB模型 | 第37页 |
| 3.1.2 HSI模型 | 第37-38页 |
| 3.1.3 四元数模型 | 第38页 |
| 3.2 几种彩色人脸识别的方法 | 第38-41页 |
| 3.2.1 基于二维线性判别分析的彩色人脸识别 | 第38页 |
| 3.2.2 用主成分分析(PCA)做彩色人脸识别 | 第38-39页 |
| 3.2.3 C2DPCA做彩色人脸图像识别 | 第39-41页 |
| 3.2.4 CSM2DPCA做彩色人脸图像识别 | 第41页 |
| 3.3 实验结果 | 第41-48页 |
| 3.3.1 对称人脸实验 | 第41-44页 |
| 3.3.2 非对称人脸实验 | 第44-48页 |
| 第4章 结论与展望 | 第48-50页 |
| 4.1 本文工作总结 | 第48-49页 |
| 4.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 研究生履历 | 第54页 |
