基于HOG和LBP特征的自然场景中人脸检索技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 人脸特征提取的研究现状 | 第12-14页 |
| 1.2.2 数据降维和聚类研究现状 | 第14-15页 |
| 1.2.3 人脸检索加速算法与相似性度量研究现状 | 第15页 |
| 1.2.4 基于用户相关反馈的人脸检索研究现状 | 第15-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 2 相关工作 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 基于SIFT的人脸检索 | 第19-20页 |
| 2.3 基于Gabor的人脸检索 | 第20-22页 |
| 2.4 Eigenface人脸检索算法 | 第22页 |
| 2.5 Fisherface人脸检索算法 | 第22-23页 |
| 2.6 基于HOG的人脸检索 | 第23-24页 |
| 2.7 基于LBP的人脸检索 | 第24-25页 |
| 2.8 基于相关用户反馈的人脸检索研究 | 第25页 |
| 2.9 基于聚类的人脸检索研究 | 第25-27页 |
| 2.10 基于特征融合的人脸检索研究 | 第27页 |
| 2.11 评估指标 | 第27-30页 |
| 2.11.1 相似度量 | 第27-28页 |
| 2.11.2 查全率 | 第28页 |
| 2.11.3 查准率 | 第28-30页 |
| 2.12 本章小结 | 第30-33页 |
| 3 数据集 | 第33-37页 |
| 3.1 引言 | 第33页 |
| 3.2 数据集介绍 | 第33-34页 |
| 3.3 HENUFace图像集的整理过程 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 图像预处理和特征融合方法 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 基于光照补偿的图像预处理 | 第37-40页 |
| 4.3 基于HOG和LBP的特征提取和融合 | 第40-42页 |
| 4.3.1 特征提取 | 第40-42页 |
| 4.3.2 特征融合 | 第42页 |
| 4.4 本章小结 | 第42-45页 |
| 5 基于K-means聚类的人脸检索 | 第45-65页 |
| 5.1 引言 | 第45页 |
| 5.2 K-means特征聚类 | 第45-46页 |
| 5.3 K-means聚类算法设计与比较 | 第46-63页 |
| 5.3.1 Naive遍历法 | 第46页 |
| 5.3.2 全信聚类法 | 第46-47页 |
| 5.3.3 半信聚类法 | 第47-50页 |
| 5.3.4 算法比较 | 第50-63页 |
| 5.4 本章小结 | 第63-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 附录A 实验结果基本信息 | 第75-104页 |
