人脸识别算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·人脸识别研究的背景和意义 | 第10-11页 |
| ·人脸识别的应用 | 第11-12页 |
| ·人脸识别的研究内容 | 第12-13页 |
| ·国内外人脸识别技术发展 | 第13-15页 |
| ·人脸识别的常用算法 | 第15-16页 |
| ·人脸识别研究难点 | 第16页 |
| ·本文主要研究内容 | 第16-18页 |
| 2 人脸图像预处理 | 第18-29页 |
| ·人脸识别的常用数据库 | 第18-19页 |
| ·图像去噪 | 第19-20页 |
| ·均值滤波 | 第19-20页 |
| ·中值滤波 | 第20页 |
| ·图像的光照补偿 | 第20-22页 |
| ·直方图的定义 | 第21页 |
| ·直方图均衡化对消除光线的影响 | 第21-22页 |
| ·直方图均衡化的实验与分析 | 第22页 |
| ·图像增强与恢复 | 第22-25页 |
| ·低通滤波法 | 第23页 |
| ·高斯平滑滤波器 | 第23-24页 |
| ·维纳滤波方法 | 第24-25页 |
| ·约束最小二乘法 | 第25页 |
| ·图像几何归一化 | 第25-28页 |
| ·基于二值化的眼睛定位方法 | 第25-26页 |
| ·几何归一化 | 第26-28页 |
| ·小结 | 第28-29页 |
| 3 小波变换在人脸识别中的应用 | 第29-38页 |
| ·小波变换技术的发展 | 第29-30页 |
| ·小波变换的原理 | 第30-32页 |
| ·小波变换在人脸识别中的应用 | 第32-37页 |
| ·基于小波变换的图像降噪 | 第32-33页 |
| ·基于小波变换的图像压缩 | 第33-34页 |
| ·基于小波变换的图像融合 | 第34-37页 |
| ·小结 | 第37-38页 |
| 4 人脸图像的特征提取 | 第38-61页 |
| ·特征提取 | 第38-40页 |
| ·几何特征 | 第39-40页 |
| ·代数特征 | 第40页 |
| ·基于主成份分析方法的特征提取 | 第40-45页 |
| ·主成份分析(PCA)的原理 | 第40-42页 |
| ·基于主成份分析方法的实验与分析 | 第42-45页 |
| ·用K-L变换进行人脸识别的优缺点 | 第45页 |
| ·基于线性鉴别方法的特征提取 | 第45-53页 |
| ·线性鉴别方法(LDA)基本原理 | 第46-48页 |
| ·多类问题的LDA线性判别 | 第48-50页 |
| ·基于Fisher特征提取的实验与分析 | 第50-53页 |
| ·基于离散余弦变换(DCT)的特征提取 | 第53-56页 |
| ·离散余弦变换(DCT)的原理 | 第53-55页 |
| ·基于离散余弦变换实验与分析 | 第55-56页 |
| ·基于独立成份分析方法的特征提取 | 第56-60页 |
| ·独立分量分析的原理 | 第57页 |
| ·FastICA算法的原理 | 第57-58页 |
| ·基于独立成份分析的实验与分析 | 第58-60页 |
| ·小结 | 第60-61页 |
| 5 分类器与二值模板匹配 | 第61-72页 |
| ·基于近邻分类器分类 | 第61-62页 |
| ·最近邻法 | 第61页 |
| ·K-近邻法 | 第61-62页 |
| ·K-近邻法的人脸识别实验 | 第62页 |
| ·支持向量机 | 第62-69页 |
| ·线性可分的支持向量和最优分类面的构造 | 第63-66页 |
| ·非线性可分的支持向量和最优分类面的构造 | 第66-68页 |
| ·多分类支持向量机 | 第68-69页 |
| ·支持向量机的人脸识别实验 | 第69页 |
| ·基于二值模板匹配的人脸识别 | 第69-71页 |
| ·基于二值模板匹配的基本原理 | 第70-71页 |
| ·基于二值模板匹配的实验 | 第71页 |
| ·小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读学位期间发表的学术论文 | 第78-79页 |
| 致谢 | 第79-80页 |
