基于小波和Fisher脸的人脸识别算法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-12页 |
| 1 综述 | 第12-27页 |
| ·人脸识别的研究背景 | 第12-14页 |
| ·人脸识别的应用领域 | 第12-13页 |
| ·人脸识别技术的优势 | 第13页 |
| ·人脸识别的研究范围 | 第13-14页 |
| ·人脸识别技术的难点 | 第14页 |
| ·人脸识别系统的组成及工作原理 | 第14-15页 |
| ·人脸识别的研究发展现状 | 第15-17页 |
| ·国外人脸识别的研究发展现状 | 第15-16页 |
| ·国内人脸识别的研究发展现状 | 第16-17页 |
| ·人脸识别的基本方法 | 第17-24页 |
| ·基于模板匹配的人脸识别方法 | 第17-18页 |
| ·基于特征脸的人脸识别方法 | 第18-19页 |
| ·基于隐马尔科夫模型的人脸识别方法 | 第19页 |
| ·基于神经网络的人脸识别方法 | 第19-21页 |
| ·基于支持向量机的人脸识别方法 | 第21-24页 |
| ·本论文的研究切入点 | 第24-25页 |
| ·本论文的内容安排与工作 | 第25-27页 |
| ·本论文的内容安排 | 第25页 |
| ·本论文的主要工作 | 第25-27页 |
| 2 人脸图像预处理 | 第27-40页 |
| ·传统的人脸图像预处理方法 | 第27-30页 |
| ·图像滤波 | 第27-28页 |
| ·图像灰度变换 | 第28-30页 |
| ·图像边缘检测及其他预处理方法 | 第30页 |
| ·小波变换的理论基础 | 第30-35页 |
| ·连续小波变换 | 第31-33页 |
| ·离散小波变换 | 第33-34页 |
| ·快速小波变换 | 第34-35页 |
| ·小波变换在人脸图像处理中的应用 | 第35-38页 |
| ·图像降噪 | 第35-36页 |
| ·图像增强 | 第36页 |
| ·纹理提取 | 第36-37页 |
| ·部件定位 | 第37页 |
| ·边缘检测 | 第37-38页 |
| ·小波变换对人脸图像进行预处理 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 3 人脸特征提取与分类 | 第40-55页 |
| ·PCA算法 | 第40-45页 |
| ·Karhunen-Loeve变换(K-L变换) | 第41-42页 |
| ·PCA人脸特征提取 | 第42-45页 |
| ·FLD算法 | 第45-47页 |
| ·RFLD算法 | 第47-49页 |
| ·改进的RFLD算法 | 第49页 |
| ·分类器设计 | 第49-54页 |
| ·基于欧氏距离的分类器 | 第50页 |
| ·基于马氏距离的分类器 | 第50-51页 |
| ·基于贝叶斯统计的分类器 | 第51-52页 |
| ·基于支持向量机的分类器 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 4 实验结果与系统实现 | 第55-67页 |
| ·算法介绍 | 第55-57页 |
| ·人脸图像预处理 | 第55-56页 |
| ·人脸特征提取 | 第56-57页 |
| ·实验结果与分析 | 第57-58页 |
| ·实验环境 | 第57页 |
| ·结果与分析 | 第57-58页 |
| ·人脸识别系统的实现 | 第58-66页 |
| ·系统实现平台 | 第59页 |
| ·系统介绍 | 第59-62页 |
| ·系统演示及结果 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 5 总结与展望 | 第67-69页 |
| ·论文总结 | 第67页 |
| ·工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |
