基于子空间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12-31页 |
| ·人脸识别的研究背景 | 第12-14页 |
| ·人脸识别的研究意义 | 第12页 |
| ·人脸识别的研究内容 | 第12-13页 |
| ·人脸识别的主要应用 | 第13-14页 |
| ·人脸识别研究的发展 | 第14-15页 |
| ·人脸识别算法 | 第15-21页 |
| ·子空间方法 | 第16页 |
| ·弹性图匹配方法 | 第16-18页 |
| ·隐马尔可夫模型方法 | 第18页 |
| ·神经网络方法 | 第18-19页 |
| ·支持向量机方法 | 第19-21页 |
| ·基于子空间的人脸识别算法 | 第21-28页 |
| ·子空间模式识别的特性 | 第21-23页 |
| ·特征子空间的相似度量 | 第23页 |
| ·基于子空间的特征提取方法 | 第23-28页 |
| ·特征脸法 | 第23-24页 |
| ·概率子空间法 | 第24-25页 |
| ·判别分析法 | 第25-26页 |
| ·独立分量分析法 | 第26-27页 |
| ·局部保留投影法 | 第27-28页 |
| ·人脸识别研究面临的挑战 | 第28-29页 |
| ·本论文的研究工作及内容安排 | 第29-31页 |
| ·本论文的研究工作 | 第29-30页 |
| ·本论文的内容安排 | 第30-31页 |
| 2 基于主元分析的子空间算法 | 第31-45页 |
| ·主成份分析法(PCA) | 第31-33页 |
| ·人脸识别的核方法及KPCA | 第33-39页 |
| ·由核定义的非线性特征映射 | 第33-35页 |
| ·核主成份分析法(KPCA) | 第35-37页 |
| ·核主元分析的特性 | 第37-38页 |
| ·核方法的模块性 | 第38-39页 |
| ·本论文实验所用人脸数据库 | 第39-41页 |
| ·ORL人脸库简介 | 第39-40页 |
| ·UMIST人脸数据库简介 | 第40-41页 |
| ·本章算法的实验结果及分析 | 第41-45页 |
| 3 基于判别分析的子空间法 | 第45-60页 |
| ·线性判别分析算法(LDA) | 第45-49页 |
| ·LDA算法原理 | 第46-47页 |
| ·LDA应用于人脸识别 | 第47-49页 |
| ·基于小样本问题的改进算法(D-LDA) | 第49-51页 |
| ·基于样本方差和偏差均衡化的改进(R-LDA) | 第51-53页 |
| ·均衡化改进的核形式(R-KDA) | 第53-56页 |
| ·本章算法的实验结果及分析 | 第56-60页 |
| 4 基于局部保留投影的子空间算法 | 第60-76页 |
| ·局部保留投影算法(LPP) | 第60-63页 |
| ·核局部保留投影(KLPP) | 第63-64页 |
| ·基于最佳线性嵌入改进的局部保留投影(ILPP) | 第64-67页 |
| ·改进的核局部保留投影(IKLPP) | 第67-68页 |
| ·本章算法基于监督的改进 | 第68-71页 |
| ·引入改进的监督方法 | 第69页 |
| ·基于监督构造邻接图 | 第69-70页 |
| ·基于监督方法构造重建系数矩阵 | 第70-71页 |
| ·本章算法的实验结果及分析 | 第71-76页 |
| 5 人脸识别系统 | 第76-84页 |
| ·人脸识别系统的构成 | 第76页 |
| ·人脸识别系统在应用上的分类 | 第76-77页 |
| ·人脸识别系统 | 第77-80页 |
| ·基于OpenCV的人脸检测 | 第78页 |
| ·基于标准人脸的识别 | 第78-80页 |
| ·论文总结及工作展望 | 第80-84页 |
| ·算法的内在联系 | 第80-81页 |
| ·算法的核化 | 第81页 |
| ·变换域特征提取 | 第81-82页 |
| ·子空间信息融合 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 作者简历 | 第88-90页 |
| 学位论文数据集 | 第90页 |
