基于外貌图像的统计方法人脸识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-10页 |
| ·人脸识别问题描述 | 第10-12页 |
| ·人脸识别的性能评价 | 第12页 |
| ·本文主要工作和结构安排 | 第12-14页 |
| 第2章 人脸识别综述 | 第14-25页 |
| ·研究的历史、发展和现状 | 第14-19页 |
| ·常用人脸识别算法简介 | 第19-23页 |
| ·子空间分析方法 | 第19-20页 |
| ·基于弹性图匹配的方法 | 第20-22页 |
| ·神经网络方法 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 特征提取与选择 | 第25-37页 |
| ·引言 | 第25页 |
| ·类别可分离性判据 | 第25-30页 |
| ·基于空间距离的可分离判据 | 第26-27页 |
| ·基于条件概率的可分离判据 | 第27-29页 |
| ·基于熵的可分离判据 | 第29-30页 |
| ·特征选择 | 第30-36页 |
| ·最优搜索算法 | 第31-32页 |
| ·次优搜索算法 | 第32-33页 |
| ·遗传算法 | 第33-35页 |
| ·人脸识别中的特征提取与选择 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于线性特征提取的人脸识别 | 第37-51页 |
| ·引言 | 第37页 |
| ·人脸图像的预处理 | 第37-41页 |
| ·人脸图像的尺寸归一化 | 第37-39页 |
| ·人脸图像的光照归一化 | 第39-41页 |
| ·主分量分析方法 | 第41-47页 |
| ·基本原理 | 第41-43页 |
| ·在人脸识别中的特殊处理 | 第43-45页 |
| ·PCA的重建性能分析 | 第45-47页 |
| ·线性判别分析方法 | 第47-50页 |
| ·基本原理 | 第47-48页 |
| ·LDA与PCA识别实验分析与性能比较 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于非线性特征提取的人脸识别 | 第51-67页 |
| ·引言 | 第51页 |
| ·统计学习理论与核主分量分析 | 第51-59页 |
| ·理论概述 | 第51-52页 |
| ·支撑矢量机（SVM） | 第52-55页 |
| ·核主分量分析（KPCA） | 第55-59页 |
| ·基于KPCA-ICA特征提取的人脸识别 | 第59-65页 |
| ·独立分量分析与本文特征提取方法介绍 | 第59-65页 |
| ·实验方法与结果 | 第65页 |
| ·本章总结与讨论 | 第65-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录人脸图像库简介 | 第74-75页 |
