大类别及少量训练样本的人脸识别问题研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-13页 |
| 1 绪论 | 第13-29页 |
| ·人脸识别概述及研究意义 | 第13-14页 |
| ·人脸识别的应用领域 | 第14页 |
| ·人脸识别的一般过程 | 第14页 |
| ·人脸检测概述 | 第14-18页 |
| ·基于知识的方法 | 第15页 |
| ·基于人脸的不变特征的方法 | 第15-16页 |
| ·模板匹配的方法 | 第16页 |
| ·基于统计模型的方法 | 第16-18页 |
| ·人脸识别特征抽取 | 第18-19页 |
| ·抽取直观几何特征 | 第18页 |
| ·代数特征抽取 | 第18-19页 |
| ·人脸识别方法 | 第19-25页 |
| ·基于线性投影的方法 | 第20-21页 |
| ·基于核的非线性投影鉴别分析方法 | 第21页 |
| ·其他的人脸识别方法 | 第21-23页 |
| ·人脸识别常用的数据库及性能评价 | 第23-25页 |
| ·本文研究工作概述 | 第25-26页 |
| ·本文的内容安排 | 第26-29页 |
| 2 二维投影特征抽取及特征矩阵的再压缩 | 第29-51页 |
| ·引言 | 第29-30页 |
| ·基于类间散布矩阵的二维主分量分析 | 第30-38页 |
| ·一些基本概念及主分量分析 | 第30-31页 |
| ·二维投影的理论及其散布矩阵 | 第31-33页 |
| ·基于类间散布矩阵的2DPCA | 第33-34页 |
| ·实验与分析 | 第34-38页 |
| ·双向压缩的二维特征抽取算法 | 第38-46页 |
| ·二维投影特征抽取 | 第39-40页 |
| ·第二次特征抽取与图像重构 | 第40-42页 |
| ·实验与分析 | 第42-46页 |
| ·二维投影与一维方法相结合的特征抽取算法 | 第46-49页 |
| ·2DPCA加 PCA的方法 | 第47页 |
| ·实验与分析 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 3 对单训练样本的人脸识别问题的研究 | 第51-65页 |
| ·单样本人脸识别研究的意义 | 第51-52页 |
| ·增加训练样本的常用方法 | 第52-54页 |
| ·镜像与对称变换 | 第52-53页 |
| ·尺度变换 | 第53页 |
| ·平移及旋转变换 | 第53-54页 |
| ·通过积分投影增加虚拟样本 | 第54-55页 |
| ·模拟姿态改变的虚拟图像 | 第55-56页 |
| ·实验与分析 | 第56-64页 |
| ·在 ORL人脸库上的实验 | 第56-59页 |
| ·ORL库上的实验结果分析 | 第59页 |
| ·在 FERET人脸库上的单样本识别 | 第59-63页 |
| ·FERET库上的实验分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 4 利用两类投影方法进行特征融合的人脸识别 | 第65-75页 |
| ·引言 | 第65页 |
| ·两类不同的的投影方法 | 第65-67页 |
| ·基于向量的特征抽取方法 | 第66-67页 |
| ·直接基于矩阵的特征抽取方法 | 第67页 |
| ·两种特征的融合策略 | 第67-68页 |
| ·融合实验 | 第68-73页 |
| ·本章小结 | 第73-75页 |
| 5 基于多级分类的大类别人脸识别问题研究 | 第75-85页 |
| ·引言 | 第75页 |
| ·大范围内候选类别的选取策略 | 第75-77页 |
| ·大类别系统的分割 | 第75-76页 |
| ·k最小距离分类器 | 第76-77页 |
| ·在小类别中的识别研究 | 第77-79页 |
| ·一种光照强弱的标准化方法 | 第79-80页 |
| ·在 FERET人脸库上的实验 | 第80-82页 |
| ·训练样本与测试样本的选择 | 第80-81页 |
| ·候选类别的选择 | 第81-82页 |
| ·在全部类与候选类中识别对比 | 第82页 |
| ·小结 | 第82-85页 |
| 结束语 | 第85-87页 |
| 致谢 | 第87-89页 |
| 参考文献 | 第89-100页 |
| 攻读博士期间完成的论文 | 第100页 |
