摘要 | 第1-7页 |
Abstract | 第7-9页 |
目录 | 第9-12页 |
第一章 绪论 | 第12-25页 |
·生物特征识别概述 | 第12-13页 |
·人脸识别概述 | 第13-15页 |
·人脸识别中的特征抽取 | 第15-21页 |
·人脸检测 | 第15页 |
·人脸特征抽取方法 | 第15-21页 |
·线性特征抽取方法 | 第16-18页 |
·非线性特征抽取方法 | 第18-21页 |
·本文研究内容 | 第21-23页 |
·本文内容安排 | 第23-25页 |
第二章 基于独立成分分析的模糊线性鉴别分析的特征抽取方法 | 第25-46页 |
·引言 | 第25-26页 |
·独立成分分析(ICA)方法介绍 | 第26-33页 |
·ICA方法定义 | 第26页 |
·独立性定义 | 第26-27页 |
·ICA的目标函数 | 第27-31页 |
·非高斯性最大化 | 第27-29页 |
·互信息最小化 | 第29-30页 |
·最大似然函数估计 | 第30-31页 |
·快速的独立成分分析(FastICA)算法 | 第31-33页 |
·FastICA预处理 | 第31-32页 |
·FastICA算法原理 | 第32页 |
·FastICA算法实现 | 第32-33页 |
·线性鉴别分析(LDA)方法介绍 | 第33-35页 |
·模糊k近邻方法 | 第35-36页 |
·ICA+模糊LDA方法 | 第36-37页 |
·实验结果及分析 | 第37-45页 |
·在AR人脸库上的实验 | 第37-40页 |
·在ORL和NUST603人脸库上的实验 | 第40-45页 |
·本章小节 | 第45-46页 |
第三章 基于二维图像矩阵的特征抽取方法的研究 | 第46-62页 |
·引言 | 第46-47页 |
·最大散度差鉴别分析 | 第47-48页 |
·基于鉴别和描述信息的二维散度差特征抽取 | 第48-51页 |
·基本思想和理论分析 | 第48-50页 |
·特征抽取和分类 | 第50-51页 |
·实验结果及分析 | 第51-56页 |
·在FERET子集上的实验 | 第51-54页 |
·投影轴的选取 | 第52-53页 |
·性能比较 | 第53-54页 |
·在ORL人脸库上的实验 | 第54-56页 |
·改进的广义主分量分析 | 第56-61页 |
·广义主分量分析 | 第56-57页 |
·改进方法的思想 | 第57-58页 |
·实验结果及分析 | 第58-61页 |
·在FERET人脸库的实验 | 第58-60页 |
·在Yale和ORL人脸库上的实验 | 第60页 |
·在Yale库和ORL库上的时间比较 | 第60-61页 |
·本章小结 | 第61-62页 |
第四章 基于极小鉴别准则理论的特征抽取方法研究 | 第62-79页 |
·引言 | 第62-63页 |
·Fisher极小准则理论 | 第63-64页 |
·基于ICA的LDA极小鉴别准则的特征抽取方法 | 第64-67页 |
·算法描述 | 第64-65页 |
·实验结果及分析 | 第65-67页 |
·基于核的极小鉴别准则特征抽取方法 | 第67-78页 |
·核主成分分析 | 第67-71页 |
·主成分分析(PCA) | 第67-68页 |
·核方法 | 第68-70页 |
·核主成分分析(KPCA) | 第70-71页 |
·基于核的Fisher极小鉴别准则 | 第71-78页 |
·算法描述 | 第71-72页 |
·实验结果及分析 | 第72-78页 |
·本章小节 | 第78-79页 |
第五章 基于核的非局部保持投影特征抽取方法 | 第79-92页 |
·引言 | 第79页 |
·非线性流形学习方法 | 第79-83页 |
·等距映射(ISOMAP) | 第80-81页 |
·局部线性嵌入(LLE) | 第81-82页 |
·拉普拉斯特征映射(Laplacian Eigenmap) | 第82-83页 |
·LPP和NLPP介绍 | 第83-84页 |
·局部保持投影(LPP) | 第83-84页 |
·非局部保持投影(NLPP) | 第84页 |
·基于核的非局部保持投影(KNLPP)方法 | 第84-86页 |
·实验结果及分析 | 第86-91页 |
·在Yale人脸库上的实验 | 第86-89页 |
·在ORL人脸库上的实验 | 第89-91页 |
·本章小结 | 第91-92页 |
结束语 | 第92-94页 |
致谢 | 第94-96页 |
参考文献 | 第96-105页 |
附录 | 第105页 |