首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

单样本条件下的人脸特征提取与人脸识别方法研究

摘要第3-5页
abstract第5-7页
第一章 绪论第11-19页
    1.1 课题研究的背景及意义第11-12页
    1.2 人脸识别的发展历史与研究现状第12-16页
        1.2.1 人脸识别的发展历史第12-13页
        1.2.2 人脸识别国内外研究现状第13-14页
        1.2.3 单样本人脸识别国内外研究现状第14-15页
        1.2.4 单样本人脸识别的研究难点第15-16页
    1.3 存在问题第16-17页
    1.4 主要研究内容与文章结构安排第17-19页
        1.4.1 主要研究内容第17-18页
        1.4.2 论文结构安排第18-19页
第二章 人脸识别系统介绍第19-29页
    2.1 人脸识别基本框架第19-20页
    2.2 人脸数据库介绍第20-21页
    2.3 人脸特征提取方法第21-26页
        2.3.1 基于全局特征的人脸特征提取第22-23页
        2.3.2 基于局部特征的人脸特征提取第23-25页
        2.3.3 基于全局与局部特征相结合的人脸特征提取第25-26页
    2.4 经典分类器第26-27页
    2.5 本章小结第27-29页
第三章 基于WPD-HOG金字塔的单样本人脸识别第29-49页
    3.1 基于HOG的人脸识别第29-35页
        3.1.1 HOG的特征提取第29-31页
        3.1.2 实验准备第31-32页
        3.1.3 HOG的参数选择与实验仿真第32-35页
    3.2 基于HOG金字塔的人脸特征提取方法第35-37页
        3.2.1 图像金字塔第35-36页
        3.2.2 HOG金字塔特征提取第36-37页
    3.3 基于WPD-HOG金字塔的人脸特征提取方法第37-40页
        3.3.1 小波包分解第37-38页
        3.3.2 WPD-HOG金字塔特征提取第38-40页
    3.4 实验仿真与方法对比第40-44页
        3.4.1 实验设计第40-41页
        3.4.2 人脸特征提取方法有效性实验第41-42页
        3.4.3 噪声鲁棒性实验第42-44页
    3.5 WPD-HOG金字塔方法在单样本人脸识别上的应用第44-46页
        3.5.1 实验设计第44页
        3.5.2 单样本条件下方法的有效性实验第44-45页
        3.5.3 单样本条件下方法的噪声鲁棒性实验第45-46页
    3.6 本章小结第46-49页
第四章 单样本条件下的的样本扩张法研究第49-57页
    4.1 样本扩张方法第49-52页
        4.1.1 镜像变换第49页
        4.1.2 滑动窗口法第49-51页
        4.1.3 位平面法第51-52页
    4.2 样本扩张法的实验设计第52-53页
    4.3 实验仿真第53-56页
        4.3.1 ORL人脸库的实验仿真第53-54页
        4.3.2 FERET人脸库的实验仿真第54-56页
        4.3.3 实验结果分析与讨论第56页
    4.4 本章小结第56-57页
第五章 基于NMF重构虚拟样本的单样本人脸识别第57-77页
    5.1 非负矩阵分解NMF方法介绍第57-62页
        5.1.1 NMF理论第57页
        5.1.2 NMF的目标函数第57-58页
        5.1.3 NMF的迭代规则第58-59页
        5.1.4 NMF的收敛性证明第59-62页
    5.2 NMF的应用第62-63页
    5.3 NMF重构人脸图像第63-67页
        5.3.1 NMF迭代次数的确定第63-64页
        5.3.2 NMFr值的确定第64-65页
        5.3.3 NMF重构图像第65-67页
    5.4 基于NMF重构虚拟样本的样本扩张法第67-69页
    5.5 实验设计与仿真第69-75页
        5.5.1 实验设计第69页
        5.5.2 研究r值对识别率的影响第69-73页
        5.5.3 基于NMF重构虚拟样本的有效性实验第73-75页
    5.6 本章小结第75-77页
第六章 总结与展望第77-79页
    6.1 工作总结第77-78页
    6.2 下一步工作展望第78-79页
参考文献第79-85页
致谢第85-87页
攻读学位期间发表的学术论文目录第87-89页
论文受项目资助情况第89页

论文共89页,点击 下载论文
上一篇:混沌激光相关法实现扩散光学成像中时间点扩展函数的测量
下一篇:基于视觉深度学习和车车通信的车队协同安全系统的设计与实现