| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-22页 |
| ·数字图像处理 | 第10-15页 |
| ·数字图像处理技术 | 第10-13页 |
| ·数字图像处理技术的研究现状和研究意义 | 第13-14页 |
| ·基于分数阶微分的数字图像处理技术的研究现状 | 第14-15页 |
| ·人脸识别 | 第15-18页 |
| ·人脸识别技术 | 第15-16页 |
| ·人脸识别技术的研究现状和研究意义 | 第16-17页 |
| ·基于支持向量机的人脸识别技术的研究现状 | 第17-18页 |
| ·本文的研究目的和研究内容 | 第18-19页 |
| ·本文的研究目的 | 第18-19页 |
| ·本文的研究内容 | 第19页 |
| ·本文的主要章节概述 | 第19-22页 |
| 2 分数阶微积分和支持向量机 | 第22-34页 |
| ·分数阶微积分理论 | 第22-27页 |
| ·分数阶微积分的发展历程 | 第22-24页 |
| ·分数阶微积分的定义 | 第24-26页 |
| ·分数阶微积分定义中的特殊函数 | 第26-27页 |
| ·支持向量机理论 | 第27-33页 |
| ·支持向量机的研究进展 | 第27-28页 |
| ·支持向量机的理论背景 | 第28-30页 |
| ·支持向量机的基本理论 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 3 自适应分数阶微分在图像纹理增强中的应用 | 第34-54页 |
| ·基于分数阶微分的图像纹理增强 | 第34-38页 |
| ·分数阶微分对一维信号增强作用的频域分析 | 第34-35页 |
| ·分数阶微分对一维信号增强作用的时域分析 | 第35-37页 |
| ·分数阶微分对二维数字图像增强作用的数学理论依据 | 第37-38页 |
| ·分数阶微分对二维数字图像增强作用的视觉分析 | 第38页 |
| ·数字图像分数阶微分掩模构造及数值运算规则 | 第38-41页 |
| ·数字图像分数阶微分掩模的构造 | 第38-40页 |
| ·数字图像分数阶微分掩模的数值运算规则 | 第40-41页 |
| ·自适应分数阶微分掩模的实现 | 第41-46页 |
| ·自适应分数阶微分掩模的近似构造 | 第41-42页 |
| ·自适应分数阶微分的推导过程 | 第42-44页 |
| ·自适应分数阶微分对信号增强的分析 | 第44-45页 |
| ·自适应分数阶微分算法分析与时间复杂度 | 第45-46页 |
| ·实验与分析 | 第46-52页 |
| ·自适应分数阶微分与传统图像增强方法的效果比较及分析 | 第46-47页 |
| ·自适应分数阶微分与指定阶微分图像增强方法的效果比较及分析 | 第47-49页 |
| ·自适应分数阶微分对不同图像的增强效果的比较与分析 | 第49-52页 |
| ·本章小结 | 第52-54页 |
| 4 采用分数阶微分边缘检测的图像插值 | 第54-66页 |
| ·图像插值方法 | 第54-59页 |
| ·理想的图像插值核函数 | 第55-56页 |
| ·经典图像插值方法及其插值核函数 | 第56-58页 |
| ·基于图像边缘保护的插值方法 | 第58-59页 |
| ·采用分数阶微分边缘检测的图像插值 | 第59-63页 |
| ·插值核函数的选择 | 第59-60页 |
| ·基于分数阶微分的图像边缘提取 | 第60-61页 |
| ·插值算法分析与时间计算复杂度 | 第61-63页 |
| ·实验与分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 5 基于支持向量机的人脸识别 | 第66-76页 |
| ·引言 | 第66页 |
| ·基于分数阶微分的二值边缘图像的提取 | 第66-67页 |
| ·PCA 特征提取 | 第67-69页 |
| ·支持向量机核函数选择与多类值判别 | 第69-71页 |
| ·支持向量机核函数选择 | 第69-70页 |
| ·支持向量机的分类策略 | 第70-71页 |
| ·实验结果与分析 | 第71-74页 |
| ·基于二值边缘图像和支持向量机的人脸识别 | 第71-72页 |
| ·基于主成分分析和支持向量机的人脸识别 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 6 总结与展望 | 第76-78页 |
| ·本文工作的总结 | 第76页 |
| ·后续研究工作展望 | 第76-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-88页 |
| 附录 | 第88页 |
| A. 作者在攻读学位期间发表的论文目录 | 第88页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第88页 |
