混合噪声人脸识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 混合噪声人脸识别的研究发展现状 | 第8-9页 |
| 1.3 人脸识别系统的构成及其难点 | 第9-10页 |
| 1.4 本文研究内容及文章结构安排 | 第10-12页 |
| 第二章 混合噪声降噪研究 | 第12-32页 |
| 2.1 椒盐噪声降噪研究 | 第12-16页 |
| 2.1.1 常见椒盐噪声降噪法 | 第12-14页 |
| 2.1.2 滤波降噪算法实现 | 第14-16页 |
| 2.2 高斯噪声降噪研究 | 第16-17页 |
| 2.2.1 常见高斯噪声降噪法 | 第16页 |
| 2.2.2 滤波降噪算法实现 | 第16-17页 |
| 2.3 混合噪声人脸图像的奇异谱分析降噪 | 第17-31页 |
| 2.3.1 小波阈值降噪原理 | 第17-19页 |
| 2.3.2 小波阈值降噪在人脸识别中的优势 | 第19-20页 |
| 2.3.3 奇异谱分析原理 | 第20页 |
| 2.3.4 奇异谱特性降噪的参数选取 | 第20-22页 |
| 2.3.5 仿真实验结果及其分析 | 第22-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 混合噪声人脸图像眼部定位 | 第32-42页 |
| 3.1 加权混合投影函数原理 | 第32-35页 |
| 3.1.1 几种常用的投影函数 | 第32-33页 |
| 3.1.2 混合投影函数在人脸定位中的优势 | 第33-34页 |
| 3.1.3 加权混合投影函数（WHPF）原理 | 第34-35页 |
| 3.2 眼部粗定位 | 第35-38页 |
| 3.2.1 人脸平面旋转矫正 | 第35-37页 |
| 3.2.2 双眼候选窗口的确定与阈值分割 | 第37-38页 |
| 3.3 WHPF算法眼部细定位 | 第38页 |
| 3.4 人脸图像归一化 | 第38-41页 |
| 3.4.1 人脸图像的几何归一化 | 第39-40页 |
| 3.4.2 人脸图像的灰度归一化 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 混合噪声人脸图像特征提取与分类识别 | 第42-50页 |
| 4.1 特征提取原理概述 | 第42-44页 |
| 4.1.1 2DPCA算法原理 | 第42-43页 |
| 4.1.2 2DLDA的算法原理 | 第43-44页 |
| 4.2 识别与分类原理概述 | 第44-47页 |
| 4.2.1 支持向量机算法原理 | 第45-47页 |
| 4.3 基于SVM模型的人脸识别分类仿真实验 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 结论和展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57-58页 |
