特征提取技术研究及其在人脸识别中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·研究背景及意义 | 第7-9页 |
| ·研究现状 | 第9-12页 |
| ·主要的线性降维方法 | 第9-11页 |
| ·主要的非线性降维方法 | 第11-12页 |
| ·特征提取技术在人脸识别中的应用 | 第12-14页 |
| ·本文的研究内容及其章节安排 | 第14-16页 |
| ·本文的主要研究内容 | 第14页 |
| ·本文的章节安排 | 第14-16页 |
| 第二章 一种改进 PCA的特征提取方法 | 第16-26页 |
| ·主成分分析方法的基本原理 | 第16-18页 |
| ·主成分分析方法在人脸识别中的应用 | 第18-22页 |
| ·计算主成分向量 | 第19-21页 |
| ·特征向量的选取 | 第21页 |
| ·特征提取和分类识别 | 第21-22页 |
| ·主成分分析方法的不足 | 第22-23页 |
| ·改进的主成分分析方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 改进的非线性降维技术方法 | 第26-39页 |
| ·引言 | 第26页 |
| ·几种相关的流形学习方法 | 第26-34页 |
| ·局部线性嵌入(LLE)方法 | 第26-30页 |
| ·拉普拉斯映射方法 | 第30-32页 |
| ·局部保持投影(LPP)算法 | 第32-34页 |
| ·改进的LLE方法 | 第34-36页 |
| ·改进的LPP方法 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 人脸识别相关实验结果及其分析 | 第39-49页 |
| ·常用的人脸数据库介绍 | 第39-40页 |
| ·常用的分类器 | 第40-43页 |
| ·最近邻分类器 | 第41页 |
| ·最近邻特征线(NFL)分类器及其改进 | 第41-43页 |
| ·实验结果以及分析 | 第43-48页 |
| ·基于改进 PCA方法的人脸识别实验 | 第43-46页 |
| ·基于改进 LLE方法的人脸识别实验 | 第46-47页 |
| ·基于改进 LPP方法的人脸识别实验 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结 | 第49-51页 |
| ·本文所做工作总结 | 第49页 |
| ·进一步的研究工作 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间的研究成果 | 第56页 |
