图像特征抽取的若干新方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-29页 |
| ·课题的研究背景及其意义 | 第13-14页 |
| ·人脸识别研究现状 | 第14-26页 |
| ·发展概述 | 第14-16页 |
| ·人脸检测方法 | 第16-19页 |
| ·特征抽取方法 | 第19-23页 |
| ·人脸识别方法 | 第23-26页 |
| ·本文研究工作概述 | 第26-29页 |
| ·本文的内容安排 | 第27-29页 |
| 2 基于样本区域分析的模糊支持向量机 | 第29-45页 |
| ·引言 | 第29页 |
| ·支持向量机 | 第29-35页 |
| ·最优分类面 | 第29-32页 |
| ·广义最优分类面 | 第32-33页 |
| ·非线性支持向量机 | 第33-35页 |
| ·模糊支持向量机(FSVM) | 第35-40页 |
| ·输入样本的模糊属性 | 第35页 |
| ·两类FSVM的形式表示 | 第35-37页 |
| ·模糊隶属度函数的依赖性 | 第37-40页 |
| ·改进的FSVM分类器 | 第40-43页 |
| ·基于3叉决策树的FSVM分类器 | 第40页 |
| ·基于样本区域分析的FSVM分类器 | 第40-43页 |
| ·实验结果及分析 | 第43-44页 |
| ·本章小节 | 第44-45页 |
| 3 一种松弛条件下的完全模糊线性鉴别分析策略 | 第45-57页 |
| ·引言 | 第45-46页 |
| ·传统的小样本问题解决方法 | 第46-49页 |
| ·线性鉴别分析理论 | 第46-47页 |
| ·基于Fisherfaces的方法 | 第47-49页 |
| ·模糊Fisherface特征提取方法 | 第49-52页 |
| ·模糊K近邻方法 | 第49-50页 |
| ·模糊Fisherface特征提取方法 | 第50页 |
| ·一个完整的模糊线性鉴别分析策略 | 第50-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·本章小节 | 第55-57页 |
| 4 对称零空间准则下的LDA特征抽取方法 | 第57-74页 |
| ·引言 | 第57-58页 |
| ·线性鉴别分析理论及其相关算法 | 第58-61页 |
| ·直接线性鉴别分析(Direct LDA) | 第58-59页 |
| ·完整线性鉴别分析(Complete LDA) | 第59-60页 |
| ·随机鉴别分析(Random LDA) | 第60-61页 |
| ·基于对称零空间准则的LDA方法 | 第61-65页 |
| ·Fisher极小鉴别准则理论 | 第61-62页 |
| ·一种混合Fisher鉴别准则 | 第62-65页 |
| ·实验结果与分析 | 第65-73页 |
| ·ORL人脸数据库 | 第65-68页 |
| ·NUST603人脸数据库 | 第68-69页 |
| ·FERET人脸数据库 | 第69-71页 |
| ·XM2VTS人脸数据库 | 第71-73页 |
| ·本章小节 | 第73-74页 |
| 5 几种组合策略的特征抽取方法及其分类器 | 第74-90页 |
| ·基于独立成分分析的模糊序贯最小优化算法 | 第74-82页 |
| ·序贯最小优化(SMO)简介 | 第74-77页 |
| ·独立成分分析(ICA)简介 | 第77-82页 |
| ·基于ICA-DT-FSMO的实验结果及分析 | 第82页 |
| ·基于核的四重子空间的LDA特征抽取方法 | 第82-87页 |
| ·核的相关技术 | 第83-84页 |
| ·核主分量分析 | 第84-85页 |
| ·KFS算法 | 第85-86页 |
| ·基于KFS的实验结果及分析 | 第86-87页 |
| ·模糊四重子空间的LDA特征抽取方法 | 第87-90页 |
| ·模糊四重子空间算法 | 第88页 |
| ·实验结果及分析 | 第88-90页 |
| 6 结论 | 第90-93页 |
| 致谢 | 第93-94页 |
| 参考文献 | 第94-103页 |
| 附录 | 第103-104页 |
