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

基于矩阵低秩近似的人脸识别方法研究

摘要第1-4页
Abstract第4-8页
第一章 绪论第8-14页
   ·研究的背景及意义第8-9页
     ·人脸识别研究可促进多门相关学科的发展第8-9页
     ·人脸识别技术作为一种生物特征识别技术有着广阔的潜在市场前景第9页
   ·相关研究的现状第9-10页
   ·人脸识别系统的主要研究内容第10-12页
   ·本文的主要研究内容第12-14页
     ·本文的主要工作第12页
     ·本文的内容安排第12-14页
第二章 低秩近似方法综述第14-30页
   ·奇异值分解第14-17页
     ·奇异值分解定理及其性质第14-16页
     ·奇异值分解定理在应用于人脸识别时的优缺点分析第16-17页
   ·主成分分析(PCA)第17-19页
     ·K-L 变换第17-18页
     ·PCA 方法第18-19页
   ·LDA 算法第19-21页
     ·LDA 算法的原理第19-20页
     ·LDA 算法的优缺点分析第20-21页
   ·2DPCA 算法第21-23页
     ·2DPCA 算法概述第21-22页
     ·2DPCA 算法的优缺点分析第22-23页
   ·GLRAM 算法第23-28页
     ·GLRAM 算法概述第23-26页
     ·子空间维数的选择问题第26-27页
     ·子空间问题的实验分析第27-28页
   ·本章小结第28-30页
第三章 NGLRAM 算法第30-38页
   ·NGLRAM 算法概述第30-31页
   ·算法的复杂度分析和对数据的压缩率第31-32页
   ·实验结果及分析第32-36页
     ·图像的重建误差和识别率比较第32-34页
     ·训练时间和检测时间比较第34-36页
   ·本章小结第36-38页
第四章 GLRAM 和 SLPP 相结合的人脸识别方法第38-46页
   ·LPP 算法第38-40页
     ·LPP 算法概述第38-39页
     ·LPP 算法优缺点分析第39-40页
   ·SLPP 算法第40页
   ·GLRAM 和 SLPP 相结合的人脸方法第40-41页
   ·实验结果及分析第41-43页
     ·GLRAM、PCA+SLPP 和 GLRAM+SLPP 方法的识别率比较第41-42页
     ·GLRAM+SLPP 方法和其他相关方法的识别率比较第42-43页
   ·本章总结第43-46页
第五章 总结与展望第46-48页
   ·总结第46页
   ·展望第46-48页
致谢第48-50页
参考文献第50-56页
硕士在读期间研究成果第56-57页

论文共57页,点击 下载论文
上一篇:基于视觉计算和混合尺度局部特征的图像分类方法
下一篇:基于局域网内CA证书管理中心的设计与实现