基于多特征融合的人脸识别技术的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 人脸识别的研究历程 | 第11-15页 |
| 1.2.1 基于局部特征的人脸识别方法 | 第11-13页 |
| 1.2.2 基于整体的人脸识别方法 | 第13-14页 |
| 1.2.3 现存问题 | 第14-15页 |
| 1.3 人脸识别的应用 | 第15-17页 |
| 1.3.1 人脸识别的研究内容 | 第15-16页 |
| 1.3.2 人脸识别的应用领域 | 第16-17页 |
| 1.4 本文主要研究内容 | 第17-18页 |
| 1.5 本文组织结构 | 第18-19页 |
| 第二章 人脸检测与人脸图像预处理 | 第19-39页 |
| 2.1 基于AdaBoost的人脸检测 | 第19-28页 |
| 2.1.1 Harr特征 | 第19-21页 |
| 2.1.2 积分图 | 第21-22页 |
| 2.1.3 弱/强分类器 | 第22-27页 |
| 2.1.4 级联分类器 | 第27-28页 |
| 2.2 人脸图像采集 | 第28-30页 |
| 2.3 人脸图像增强 | 第30-37页 |
| 2.3.1 灰度变换 | 第31-32页 |
| 2.3.2 直方图均衡化 | 第32-33页 |
| 2.3.3 图像平滑 | 第33-35页 |
| 2.3.4 图像锐化 | 第35-37页 |
| 2.4 人脸图像几何归一化 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于标点邻域SIFT描述符的局部特征提取 | 第39-47页 |
| 3.1 人脸校准 | 第39-41页 |
| 3.1.1 LBF映射矩阵Φ~t的训练 | 第40页 |
| 3.1.2 线性回归矩阵W~r的训练 | 第40-41页 |
| 3.2 标点邻域的SIFT表征 | 第41-43页 |
| 3.2.1 SIFT描述符的生成 | 第41-43页 |
| 3.2.2 特征匹配算法 | 第43页 |
| 3.3 实验结果及分析 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于最大类间相斥LDP的整体特征提取 | 第47-61页 |
| 4.1 基于子空间投影的人脸鉴别 | 第48-54页 |
| 4.1.1 主成份分析(PCA) | 第48-49页 |
| 4.1.2 线性判别分析(LDA) | 第49-51页 |
| 4.1.3 Laplacian特征映射(LE) | 第51-52页 |
| 4.1.4 局部保持投影(LPP) | 第52-54页 |
| 4.2 局部鉴别投影的类间距最大化 | 第54-56页 |
| 4.3 实验结果及分析 | 第56-60页 |
| 4.3.1 ORL人脸数据图像库的实验 | 第56-58页 |
| 4.3.2 Yale人脸数据图像库的实验 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 基于混合特征的人脸识别算法 | 第61-67页 |
| 5.1 信息融合 | 第61-63页 |
| 5.1.1 信息融合优势 | 第61-62页 |
| 5.1.2 信息融合层次 | 第62-63页 |
| 5.2 算法流程 | 第63-64页 |
| 5.3 实验结果及分析 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 全文总结 | 第67-68页 |
| 6.2 发展与展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 作者攻读硕士期间完成的学术论文目录 | 第74-75页 |
