首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

融合整体与局部特征的人脸识别方法研究

摘要第1-5页
ABSTRACT第5-7页
目录第7-9页
1 绪论第9-17页
   ·人脸识别技术的研究背景和意义第9-10页
   ·人脸自动识别技术综述第10-14页
     ·自动人脸识别的一般过程第10-11页
     ·人脸识别技术发展简述第11-13页
     ·训练集、测试集和人脸库第13-14页
   ·论文的出发点和主要工作第14-15页
   ·论文的结构安排第15-16页
   ·本章小结第16-17页
2 基于 SVM和 AdaBoost的人脸检测算法第17-25页
   ·支持向量机第17-19页
   ·AdaBoost算法第19-20页
   ·基于 SVM和 AdaBoost的人脸检测算法第20-22页
     ·构建基于 SVM的弱分类器第20页
     ·分类器更新第20-21页
     ·利用 AdaBoost算法生成强分类器第21-22页
   ·实验与分析第22-24页
   ·本章小结第24-25页
3 核主成分分析方法与全局特征提取第25-33页
   ·核主成分分析的人脸识别方法第25-27页
   ·核主成分分析方法在人脸识别中的应用第27-28页
   ·图像预处理第28-31页
     ·均值滤波法第29页
     ·中值滤波法第29页
     ·低通滤波法第29-30页
     ·高斯平滑滤波器第30-31页
   ·全局特征的提取第31-32页
   ·本章小结第32-33页
4 局部特征的提取与融合方法第33-41页
   ·独立成分分析方法概述第33-34页
   ·核独立成分分析方法第34-36页
   ·分块核独立主成分分析方法第36-37页
     ·分块核独立主成分分析(BKICA)的基本思想第36页
     ·特征抽取与识别第36-37页
   ·分块核独立主成分分析方法在局部特征提取中的应用第37-38页
   ·局部特征的融合第38-40页
     ·局部特征自适应加权第38-39页
     ·基于模糊集理论的融合第39-40页
   ·本章小结第40-41页
5 整体与局部特征的融合方法第41-58页
   ·信息融合概述第41-43页
   ·基于 Dempster-Shafer证据理论的融合第43-49页
     ·Dempster-Shafer证据理论第43-45页
     ·证据理论存在的问题及改进方法第45-47页
     ·基于改进后的 DS证据理论的人脸识别决策融合方法第47-49页
   ·人脸识别系统中常用的分类准则第49-51页
     ·相似性测度第49-50页
     ·常用分类器第50-51页
   ·基于IDS证据理论融合的人脸识别实验系统的分析与设计第51-54页
     ·基于IDS证据理论的融合实验系统体系结构第51-52页
     ·人脸数据库结构设计第52-53页
     ·功能模块第53-54页
   ·实验与结果分析第54-57页
   ·本章小结第57-58页
6 总结与展望第58-60页
参考文献第60-64页
攻读学位期间发表的论文和参加的科研项目第64-65页
致谢第65-67页

论文共67页,点击 下载论文
上一篇:基于联合分数傅里叶变换相关器的彩色图像识别研究
下一篇:Moodle网络教学平台的二次开发与应用--以国家级精品课程《现代教育技术》教学应用为例