结合图像预处理和位图信息的人脸广义主成分分析
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 引言 | 第10-16页 |
| 1.1 人脸识别的研究内容 | 第10-11页 |
| 1.2 人脸识别的应用 | 第11-12页 |
| 1.3 人脸识别技术的发展及现状 | 第12-14页 |
| 1.4 本文的主要工作 | 第14-15页 |
| 1.5 本文的安排 | 第15-16页 |
| 第二章 人脸图像的预处理 | 第16-26页 |
| 2.1 人脸预处理算法 | 第16-20页 |
| 2.1.1 灰度化 | 第16-17页 |
| 2.1.2 几何校正 | 第17页 |
| 2.1.3 滤波去噪 | 第17-18页 |
| 2.1.4 直方图均衡 | 第18-20页 |
| 2.2 本文的预处理方法 | 第20-25页 |
| 2.2.1 基于平均模板的图像纠正 | 第20-22页 |
| 2.2.2 基于色彩分量平均模板的图像纠正 | 第22-24页 |
| 2.2.3 基于人脸对称性的图像纠正 | 第24-25页 |
| 2.3 小结 | 第25-26页 |
| 第三章 人脸图像特征提取 | 第26-33页 |
| 3.1 K-L变换基本原理 | 第26-30页 |
| 3.1.1 具体算法 | 第26-28页 |
| 3.1.2 特征选择 | 第28-30页 |
| 3.2 PCA人脸识别 | 第30-31页 |
| 3.3 人脸图像的广义 PCA分析 | 第31-33页 |
| 第四章 基于位图信息的人脸识别 | 第33-39页 |
| 4.1 图像位平面概述 | 第33-35页 |
| 4.1.1 位平面概念 | 第33页 |
| 4.1.2 位平面的抽取 | 第33页 |
| 4.1.3 位平面信息规律 | 第33-35页 |
| 4.2 特征融合 | 第35-37页 |
| 4.3 特征融合人脸的广义 PCA分析 | 第37-39页 |
| 第五章 人脸识别相关实验 | 第39-50页 |
| 5.1 人脸图像库 | 第39-40页 |
| 5.2 分类器 | 第40-43页 |
| 5.2.1 欧式距离分类器 | 第40页 |
| 5.2.2 马氏距离分类器 | 第40-41页 |
| 5.2.3 最近邻分类器 | 第41页 |
| 5.2.4 Bayes分类器 | 第41-42页 |
| 5.2.5 基于核的非线性 Parzen分类器 | 第42-43页 |
| 5.3 实验结果 | 第43-48页 |
| 5.3.1 AR人脸库上的实验结果 | 第43-46页 |
| 5.3.2 Yale人脸库上的实验结果 | 第46-48页 |
| 5.4 小结 | 第48-50页 |
| 结束语 | 第50-52页 |
| 附录1 训练样本特征融合的流程图 | 第52-53页 |
| 附录2 待识别样本特征融合的流程图 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表的论文 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |
