| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第16-23页 |
| 1.1 课题研究背景和意义 | 第16-17页 |
| 1.2 人脸识别算法国内外研究现状 | 第17-20页 |
| 1.3 人脸识别过程 | 第20页 |
| 1.4 本文主要研究内容与章节安排 | 第20-22页 |
| 1.4.1 本文主要研究内容 | 第20-21页 |
| 1.4.2 本文章节安排 | 第21-22页 |
| 1.5 本章小结 | 第22-23页 |
| 2 LBP算法的基本原理与应用 | 第23-32页 |
| 2.1 LBP算法概述 | 第23-24页 |
| 2.2 LBP算法介绍 | 第24-26页 |
| 2.2.1 圆形LBP | 第24页 |
| 2.2.2 旋转不变的LBP | 第24-26页 |
| 2.3 LBP算法的特点 | 第26-28页 |
| 2.3.1 LBP算法的统一模式 | 第26-27页 |
| 2.3.2 LBP算法的优点 | 第27页 |
| 2.3.3 LBP算法的缺点 | 第27-28页 |
| 2.4 LBP算法的应用 | 第28-31页 |
| 2.4.1 LBP在图像分类中的应用 | 第28-29页 |
| 2.4.2 LBP在图像检索中的应用 | 第29-30页 |
| 2.4.3 LBP在人脸识别中的应用 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 结合LBP算子与二维线性判别分析的人脸识别算法 | 第32-43页 |
| 3.1 LBP等价模式 | 第32-33页 |
| 3.2 结合LBP与PCA的特征提取算法 | 第33-37页 |
| 3.2.1 PCA算法原理 | 第33-35页 |
| 3.2.2 分块LBP | 第35-36页 |
| 3.2.3 LBP-PCA算法的人脸识别过程 | 第36-37页 |
| 3.3 结合LBP与二维线性判别分析的特征提取算法 | 第37-39页 |
| 3.3.1 二维线性判别分析原理 | 第37-38页 |
| 3.3.2 LBP-2DLDA算法实现人脸识别的步骤 | 第38-39页 |
| 3.4 算法测试与分析 | 第39-42页 |
| 3.4.1 分块LBP算法实验 | 第39-40页 |
| 3.4.2 在ORL人脸库中的实验 | 第40-41页 |
| 3.4.3 在FERET人脸库中的实验 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于改进的LBP算子的特征提取算法 | 第43-54页 |
| 4.1 传统LBP算子的局限性 | 第43-44页 |
| 4.2 W-LBP算子原理及步骤 | 第44-45页 |
| 4.3 W-LBP算子的优点 | 第45-48页 |
| 4.4 结合W-LBP算子与二维线性判别分析的特征提取算法 | 第48-49页 |
| 4.4.1 W-LBP-2DLDA算法介绍 | 第48页 |
| 4.4.2 W-LBP-2DLDA算法的人脸识别过程 | 第48-49页 |
| 4.5 算法测试与分析 | 第49-53页 |
| 4.5.1 在ORL人脸库中的实验 | 第49-51页 |
| 4.5.2 在JAFFE和YALE人脸库中的实验 | 第51-53页 |
| 4.6 本章总结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 作者简介及读研期间主要科研成果 | 第60-61页 |
