基于最小生成树的侧脸识别应用研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的意义和背景 | 第9-10页 |
| 1.2 人脸识别的研究历史和现状 | 第10-11页 |
| 1.3 人脸识别流程及常用算法 | 第11-13页 |
| 1.4 本文工作 | 第13-15页 |
| 2 相关知识介绍 | 第15-19页 |
| 2.1 基于sift算法的人脸识别 | 第15-16页 |
| 2.2 最小生成树基础 | 第16页 |
| 2.3 信息论相关知识 | 第16-17页 |
| 2.4 本章小结 | 第17-19页 |
| 3 侧脸图像检测和预处理 | 第19-33页 |
| 3.1 侧脸图像预处理 | 第19-25页 |
| 3.1.1 侧脸图像的实时采集 | 第19-20页 |
| 3.1.2 图像格式转换 | 第20-21页 |
| 3.1.3 光照处理 | 第21-23页 |
| 3.1.4 去噪处理 | 第23-25页 |
| 3.2 基于肤色模型的侧脸检测方法 | 第25-30页 |
| 3.2.1 建立肤色模型 | 第25-27页 |
| 3.2.2 确定肤色区域 | 第27-29页 |
| 3.2.3 对侧脸图像进行剪切 | 第29-30页 |
| 3.3 几何归一化处理 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 基于图像分块的特征点提取 | 第33-41页 |
| 4.1 基于五官定位的图像分块 | 第33-36页 |
| 4.1.1 眼睛定位 | 第33-34页 |
| 4.1.2 五官定位 | 第34-35页 |
| 4.1.3 方法综述 | 第35-36页 |
| 4.2 基于sift算法的特征点提取 | 第36-39页 |
| 4.2.1 DoG金字塔的建立 | 第36-37页 |
| 4.2.2 检测极值点 | 第37-38页 |
| 4.2.3 特征点定位 | 第38-39页 |
| 4.3 本章小结 | 第39-41页 |
| 5 基于最小生成树的侧脸识别算法 | 第41-49页 |
| 5.1 构建最小生成树 | 第41-43页 |
| 5.1.1 建立完全无向图的顶点集 | 第41页 |
| 5.1.2 构建完全无向图的边集 | 第41-42页 |
| 5.1.3 构建最小生成树 | 第42-43页 |
| 5.2 联合Renyi熵的估计 | 第43-44页 |
| 5.2.1 使用最小生成树估计联合Renyi熵 | 第43-44页 |
| 5.2.2 整个算法的流程 | 第44页 |
| 5.3 实验结果 | 第44-47页 |
| 5.3.1 α的取值 | 第44-45页 |
| 5.3.2 实验结果分析 | 第45-47页 |
| 5.4 本章总结 | 第47-49页 |
| 6 总结和展望 | 第49-51页 |
| 6.1 本文工作总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 攻读学位期间发表文章 | 第57-59页 |
| 致谢 | 第59页 |
