基于平均能量和LBP的人脸图像质量评价的实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 引言 | 第13-21页 |
| ·选题背景与研究意义 | 第13-14页 |
| ·人脸识别技术的应用和方法 | 第14-18页 |
| ·人脸识别技术的应用前景 | 第14-15页 |
| ·人脸识别技术的方法 | 第15-18页 |
| ·人脸图像质量评价的意义 | 第18-19页 |
| ·本文的工作及论文结构 | 第19-21页 |
| 第二章 人脸图像质量评价 | 第21-31页 |
| ·图像质量评价 | 第21-25页 |
| ·图像质量的主观评价方法 | 第21-22页 |
| ·图像质量的客观评价方法 | 第22-25页 |
| ·基于原始图像知识的方法 | 第23-24页 |
| ·基于具体应用的方法 | 第24-25页 |
| ·基于人类视觉特性的方法 | 第25页 |
| ·人脸图像质量评价 | 第25-31页 |
| ·标准人脸图像 | 第26-29页 |
| ·影响人脸图像质量的因素 | 第29页 |
| ·人脸图像质量评价的难点 | 第29-31页 |
| 第三章 图像模糊程度的判定 | 第31-40页 |
| ·图像模糊的产生 | 第31-33页 |
| ·运动模糊 | 第31-32页 |
| ·离焦模糊 | 第32-33页 |
| ·清晰度评价方法 | 第33-34页 |
| ·实验方法 | 第34-40页 |
| ·傅里叶变换 | 第34-36页 |
| ·图像平均能量 | 第36-40页 |
| 第四章 光照情况影响的判定 | 第40-61页 |
| ·非对称光照条件分析 | 第40-44页 |
| ·光照变化对对人脸图像的影响 | 第40-41页 |
| ·对称程度测量手段 | 第41-44页 |
| ·ADABOOST算法介绍 | 第44-50页 |
| ·机器学习 | 第44-45页 |
| ·弱学习与强学习 | 第45页 |
| ·Boosting学习算法 | 第45-46页 |
| ·AdaBoost算法 | 第46-50页 |
| ·AdaBoost算法介绍 | 第46-47页 |
| ·AdaBoost算法学习过程 | 第47-49页 |
| ·Adaboost算法在人脸图像领域的应用 | 第49-50页 |
| ·局部二进制模式介绍 | 第50-57页 |
| ·原始局部二进制模式 | 第51-53页 |
| ·旋转不变LBP | 第53-54页 |
| ·均匀模式LBP | 第54-55页 |
| ·子窗口LBP特征提取 | 第55-57页 |
| ·基于ADABOOST算法的质量评价方法 | 第57-61页 |
| ·人脸图像的子窗口筛选 | 第57-59页 |
| ·实验测试结果 | 第59-61页 |
| 第五章 实验结果统计与验证 | 第61-64页 |
| ·质量评价算法整合 | 第61-62页 |
| ·人脸识别系统验证 | 第62-64页 |
| 第六章 结论与展望 | 第64-66页 |
| ·结论 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻硕期间取得的研究成果 | 第71页 |
