图像质量与人脸识别关系量化模型的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像质量评价的研究现状 | 第10-13页 |
| 1.2.1 图像质量主观评价方法 | 第11-12页 |
| 1.2.2 图像质量客观评价方法 | 第12-13页 |
| 1.3 人脸识别的研究现状 | 第13-14页 |
| 1.4 论文研究内容及章节安排 | 第14-15页 |
| 第二章 图像质量评价与人脸识别技术 | 第15-29页 |
| 2.1 图像质量评价 | 第15-19页 |
| 2.1.1 图像质量评价算法 | 第15-18页 |
| 2.1.2 失真因素及评价准则 | 第18-19页 |
| 2.2 人脸检测方法 | 第19-20页 |
| 2.3 人脸识别方法 | 第20-23页 |
| 2.3.1 人脸识别的流程 | 第21页 |
| 2.3.2 人脸识别的主要方法 | 第21-22页 |
| 2.3.3 稀疏编码基本理论 | 第22-23页 |
| 2.4 特征提取 | 第23-28页 |
| 2.4.1 小波变换 | 第23-27页 |
| 2.4.2 Gabor小波 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于QAC算法的图像质量评价 | 第29-35页 |
| 3.1 基于QAC的图像训练 | 第29-31页 |
| 3.2 盲图像质量评分 | 第31-32页 |
| 3.3 实验结果与分析 | 第32-34页 |
| 3.3.1 实验描述 | 第32-33页 |
| 3.3.2 实验结果与分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 人脸检测与基于稀疏编码的人脸识别 | 第35-49页 |
| 4.1 Viola-Jones人脸检测算法 | 第35-41页 |
| 4.2 LBP特征提取 | 第41-42页 |
| 4.3 主成分分析 | 第42-43页 |
| 4.4 稀疏编码分类模型 | 第43-46页 |
| 4.5 实验结果与分析 | 第46-48页 |
| 4.5.1 实验描述 | 第46-47页 |
| 4.5.2 实验结果与分析 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 图像质量与人脸识别关系模型的研究 | 第49-58页 |
| 5.1 图像质量评分与人脸识别的关系模型 | 第49页 |
| 5.2 基于模糊集合论的区间 | 第49-51页 |
| 5.2.1 模糊集合理论 | 第49-51页 |
| 5.2.2 模糊区间划分 | 第51页 |
| 5.3 实验分析与建模 | 第51-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58页 |
| 6.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录1 攻读硕士学位期间申请的专利 | 第63-64页 |
| 致谢 | 第64页 |
