基于子空间分析的图像检索和人脸识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-23页 |
| ·检索和识别系统概况 | 第9页 |
| ·图像检索 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·基于内容图像检索的介绍 | 第10-15页 |
| ·人脸识别 | 第15-21页 |
| ·研究背景及意义 | 第16页 |
| ·人脸识别系统的介绍 | 第16-21页 |
| ·论文的选题意义及本文的研究内容安排 | 第21-23页 |
| 2 基于子空间的分析方法 | 第23-29页 |
| ·子空间分析方法的引入 | 第23页 |
| ·基本思想及原理 | 第23-24页 |
| ·子空间分析方法的介绍 | 第24-28页 |
| ·主成分分析 | 第24-25页 |
| ·线性判别分析 | 第25-27页 |
| ·拉普拉斯特征映射 | 第27页 |
| ·局部保持投影 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 一种基于Zernike 矩形状检索的新算法 | 第29-43页 |
| ·引言 | 第29-30页 |
| ·Zernike 矩及其形状特征库 | 第30-33页 |
| ·Zernike 矩描述子 | 第30-31页 |
| ·Zernike 矩的提取与特征库的形成 | 第31-33页 |
| ·特征向量的维数约减新算法 | 第33-37页 |
| ·重新改写PCA 算法 | 第34-35页 |
| ·新的保局投影算法的描述 | 第35-37页 |
| ·实验结果及分析 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 4 最大边际近邻线性判别分析的人脸识别算法 | 第43-51页 |
| ·引言 | 第43-44页 |
| ·基于LDA 算法的优化的人脸特征提取方法 | 第44-46页 |
| ·人脸预分类空间的产生 | 第44-45页 |
| ·获取优化的判别准则 | 第45-46页 |
| ·小样本问题分析 | 第46-47页 |
| ·实验结果及分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58页 |
