摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-18页 |
1.1 研究背景及意义 | 第12页 |
1.2 人脸识别算法研究历史及现状 | 第12-14页 |
1.3 人脸识别系统 | 第14-16页 |
1.3.1 人脸识别系统构成 | 第14页 |
1.3.2 人脸相似度衡量方法及分类器简介 | 第14-16页 |
1.3.3 人脸识别系统性能评价 | 第16页 |
1.4 论文的研究内容及章节安排 | 第16-18页 |
第2章 人脸特征提取方法综述 | 第18-28页 |
2.1 典型的整体特征提取方法 | 第18-21页 |
2.1.1 主成分析法 | 第18-19页 |
2.1.2 线性判别分析法 | 第19-21页 |
2.1.3 基于频域信息的整体特征提取方法 | 第21页 |
2.2 典型的局部特征提取方法 | 第21-27页 |
2.2.1 局部二值模式 | 第22-23页 |
2.2.2 局部二值模式的若干种扩展模式 | 第23-24页 |
2.2.3 基于梯度信息的局部特征提取 | 第24-27页 |
2.3 本章小结 | 第27-28页 |
第3章 基于 GABOR 滤波的人脸特征提取方法 | 第28-46页 |
3.1 引言 | 第28页 |
3.2 Gabor 小波简介 | 第28-30页 |
3.3 传统的基于 Gabor 滤波的局部特征提取方法 | 第30-33页 |
3.3.1 局部 Gabor 二值模式及局部 Gabor 异或模式 | 第30-32页 |
3.3.2 局部 Gabor“体”模式 | 第32-33页 |
3.4 提出的基于 Gabor 幅值方向模式的人脸识别 | 第33-35页 |
3.4.1 Gabor 幅值方向模式算子 | 第33-34页 |
3.4.2 A-GDP 特征鲁棒性分析 | 第34-35页 |
3.5 提出的融合 Gabor 实部和虚部方向特征的人脸识别 | 第35-38页 |
3.5.1 Gabor 实部和虚部信息 | 第35-36页 |
3.5.2 Gabor 实部/虚部方向特征 | 第36-37页 |
3.5.3 特征层级别上的融合 | 第37-38页 |
3.6 实验结果及分析 | 第38-45页 |
3.6.1 实验数据库及图像预处理 | 第38-39页 |
3.6.2 参数选择 | 第39-41页 |
3.6.3 ORL 人脸库实验结果及分析 | 第41-42页 |
3.6.4 CAS-PEAL 人脸库实验结果及分析 | 第42-44页 |
3.6.5 各算法复杂度分析 | 第44-45页 |
3.7 本章小结 | 第45-46页 |
第4章 基于单演滤波的人脸特征提取方法 | 第46-73页 |
4.0 引言 | 第46页 |
4.1 单演解析信号理论 | 第46-52页 |
4.1.1 一维解析信号 | 第46-47页 |
4.1.2 传统的二维解析信号 | 第47-49页 |
4.1.3 单演信号 | 第49-52页 |
4.2 传统的基于单演滤波的局部特征提取方法 | 第52-54页 |
4.2.1 单演局部二值模式 | 第52-53页 |
4.2.2 单演二值编码 | 第53-54页 |
4.3 提出的单演局部量化模式 | 第54-57页 |
4.4 提出的增强型单演方向差分模式 | 第57-59页 |
4.5 基于 BLDA 的局部特征融合的人脸识别 | 第59-60页 |
4.5.1 基于分块的线性判别分析 | 第59-60页 |
4.5.2 融合 MBP 和 EPMOD 的人脸识别 | 第60页 |
4.6 实验结果及分析 | 第60-66页 |
4.6.1 各算法参数选择 | 第60-62页 |
4.6.2 ORL 人脸库实验 | 第62-63页 |
4.6.3 CAS-PEAL 人脸库实验 | 第63-64页 |
4.6.4 各算法复杂度对比 | 第64-66页 |
4.7 基于单演滤波的复杂光照人脸识别方法 | 第66-72页 |
4.7.1 复杂光照条件下的人脸识别 | 第66页 |
4.7.2 提出的单演定向幅值模式 | 第66-68页 |
4.7.3 基于单演定向幅值模式的人脸识别 | 第68页 |
4.7.4 实验结果及分析 | 第68-72页 |
4.7.5 算法复杂度分析 | 第72页 |
4.8 本章小结 | 第72-73页 |
总结与展望 | 第73-75页 |
1. 本文的主要工作 | 第73页 |
2. 课题的局限性 | 第73-74页 |
3. 课题展望 | 第74-75页 |
参考文献 | 第75-80页 |
致谢 | 第80-81页 |
附录A 攻读学位期间所发表的学术论文目录 | 第81页 |