可变光照下的人脸识别技术研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-18页 |
| ·课题背景 | 第9-10页 |
| ·人脸识别系统 | 第10-12页 |
| ·人脸识别的方法 | 第12页 |
| ·解决光照问题的一些常用算法 | 第12-15页 |
| ·基于不变特征的方法 | 第13页 |
| ·人脸图像标准化的方法 | 第13-14页 |
| ·光照变化建模方法 | 第14-15页 |
| ·人脸识别系统评价标准 | 第15-16页 |
| ·本文的主要工作 | 第16-18页 |
| 第二章 人脸图像的光照补偿 | 第18-26页 |
| ·直方图均衡化的方法 | 第18页 |
| ·新的光照补偿算法 | 第18-23页 |
| ·确定光源方向 | 第18-20页 |
| ·光照补偿 | 第20-23页 |
| ·实验结果及分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于子空间的人脸特征提取 | 第26-36页 |
| ·PCA 基本原理 | 第26-29页 |
| ·2D-PCA 的基本原理 | 第29-31页 |
| ·思想与最优投影矩阵 | 第29-30页 |
| ·特征抽取 | 第30页 |
| ·图像重构 | 第30-31页 |
| ·LDA 的基本原理 | 第31-33页 |
| ·2D-LDA 的基本原理 | 第33-34页 |
| ·PCA+LDA 算法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 所用的几种分类器 | 第36-49页 |
| ·最近邻分类器 | 第36-37页 |
| ·k-近邻分类器 | 第37页 |
| ·支持向量机分类器 | 第37-39页 |
| ·支持向量机的基本思想 | 第37-38页 |
| ·用于多类分类的支持向量机 | 第38-39页 |
| ·贝叶斯分类器 | 第39-48页 |
| ·贝叶斯决策基本原理 | 第39-42页 |
| ·贝叶斯分类器在人脸识别种的应用 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 实验结果及分析 | 第49-55页 |
| ·实验人脸图像库 | 第49页 |
| ·不同特征与不同分类器结合的人脸识别实验 | 第49-54页 |
| ·贝叶斯人脸识别实验流程说明 | 第49-50页 |
| ·实验结果及分析 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 论文总结与展望 | 第55-58页 |
| ·论文总结 | 第55-56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读研究生期间参加科研项目与发表的论文 | 第64页 |
