基于小波变换的手机人脸识别系统研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-19页 |
| ·课题的研究背景 | 第12-13页 |
| ·课题的研究目的与意义 | 第13-14页 |
| ·人脸识别的研究现状 | 第14-17页 |
| ·在PC端及互联网上的应用发展动态 | 第15-16页 |
| ·在智能移动终端上的应用发展动态 | 第16-17页 |
| ·论文的主要研究内容及章节安排 | 第17-19页 |
| ·论文的主要研究内容 | 第17页 |
| ·论文的章节安排 | 第17-19页 |
| 第2章 人脸图像的预处理方法 | 第19-28页 |
| ·数字图像的分类 | 第19-20页 |
| ·二值图像 | 第19-20页 |
| ·灰度图像 | 第20页 |
| ·RGB图像 | 第20页 |
| ·图像的灰度化 | 第20-21页 |
| ·直方图均衡化 | 第21-23页 |
| ·图像滤波与去噪 | 第23-25页 |
| ·人脸图像的尺度归一化 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于肤色特征的人脸检测 | 第28-41页 |
| ·人脸图像检测的相关理论 | 第28-29页 |
| ·常用的颜色空间 | 第29-33页 |
| ·RGB颜色空间 | 第30页 |
| ·YIQ颜色空间 | 第30-31页 |
| ·HSV颜色空间 | 第31-32页 |
| ·YCbCr颜色空间 | 第32-33页 |
| ·肤色模型 | 第33-34页 |
| ·简单肤色模型 | 第33-34页 |
| ·简单高斯模型 | 第34页 |
| ·混合高斯模型 | 第34页 |
| ·数学形态学理论 | 第34-36页 |
| ·结构元 | 第35页 |
| ·膨胀与腐蚀 | 第35页 |
| ·开运算与闭运算 | 第35-36页 |
| ·基于肤色的人脸检测 | 第36-39页 |
| ·肤色分割 | 第36-37页 |
| ·数学形态学处理 | 第37-38页 |
| ·人脸区域的几何筛选与标定 | 第38-39页 |
| ·基于肤色的人脸检测实验结果 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于Gabor小波变换的人脸特征提取 | 第41-59页 |
| ·图像特征的描述 | 第41-42页 |
| ·小波变换的基本概念 | 第42-43页 |
| ·Gabor小波 | 第43-49页 |
| ·Gabor小波变换 | 第43-45页 |
| ·一维Gabor小波变换 | 第45-47页 |
| ·二维Gabor小波变换 | 第47-49页 |
| ·基于主成分分析的特征降维 | 第49-56页 |
| ·K-L变换 | 第51-53页 |
| ·PCA特征降维 | 第53-54页 |
| ·特征识别 | 第54-56页 |
| ·本文算法 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 基于小波变换的手机人脸识别系统 | 第59-75页 |
| ·iOS平台相关技术介绍 | 第59-65页 |
| ·Objective-C开发语言 | 第60-61页 |
| ·MVC开发模型 | 第61-62页 |
| ·iPhone SDK | 第62页 |
| ·iOS系统结构 | 第62-64页 |
| ·应用程序生命周期 | 第64-65页 |
| ·开发环境的搭建 | 第65页 |
| ·本文设计的人脸识别系统的功能和特点 | 第65页 |
| ·系统的总体设计 | 第65-67页 |
| ·手机人脸识别系统的实现 | 第67-74页 |
| ·图像选择 | 第68-70页 |
| ·人脸检测 | 第70-72页 |
| ·样本信息采集 | 第72-73页 |
| ·人脸识别 | 第73-74页 |
| ·系统运行结果分析 | 第74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第81-82页 |
| 致谢 | 第82-83页 |
