面向快速人脸识别的特征降维
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·人脸识别的研究内容及意义 | 第10-11页 |
| ·人脸识别的主要方法 | 第11-14页 |
| ·基于几何特征的人脸识别 | 第12页 |
| ·基于模板匹配的人脸识别 | 第12-13页 |
| ·基于模型的人脸识别方法 | 第13页 |
| ·基于样本学习的人脸识别方法 | 第13-14页 |
| ·特征提取的主要方法 | 第14-16页 |
| ·全局特征 | 第15-16页 |
| ·局部特征 | 第16页 |
| ·人脸识别中的难题与性能评价 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| 第二章 基于主成分分析的人脸识别 | 第18-29页 |
| ·问题的提出及基本原理 | 第18-22页 |
| ·一个简单的三维降二维的例子 | 第18-20页 |
| ·K-L 变换 | 第20-21页 |
| ·主成分分析的基本原理 | 第21-22页 |
| ·基于主成分分析的人脸识别 | 第22-27页 |
| ·特征脸空间 | 第22-24页 |
| ·基于特征脸的人脸识别 | 第24-25页 |
| ·特征向量的选取 | 第25-26页 |
| ·距离测量 | 第26-27页 |
| ·主成分分析的优缺点 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于局部模式描述子的人脸表达与识别 | 第29-44页 |
| ·局部二元模式 | 第29-33页 |
| ·局部二元模式算法 | 第29-32页 |
| ·LBP 算子的基本特性 | 第32-33页 |
| ·基于局部二元模式的人脸识别 | 第33-36页 |
| ·LBP 分块 | 第33页 |
| ·LBP 特征提取 | 第33-34页 |
| ·LBP 在人脸识别中的应用 | 第34-35页 |
| ·特征分类 | 第35页 |
| ·仿真实验与结果分析 | 第35-36页 |
| ·基于局部求导模式的人脸识别 | 第36-42页 |
| ·局部求导模式 | 第36-41页 |
| ·仿真实验与结果分析 | 第41-42页 |
| ·两种模式的优缺点 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 结合主成分分析与局部模式的人脸识别 | 第44-51页 |
| ·结合算法描述 | 第44-45页 |
| ·FERET 人脸库 | 第45-47页 |
| ·LBP+PCA 与LBP 的实验结果比较 | 第47-48页 |
| ·最优分块方法 | 第47页 |
| ·结合算法与LBP 实验比较 | 第47-48页 |
| ·LDP+PCA 与LDP 的实验结果比较 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·研究工作总结 | 第51页 |
| ·研究工作展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录A：攻读学位期间所发表的学术论文目录 | 第58页 |
