基于独立成分分析的人脸识别方法研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·研究背景 | 第7-8页 |
| ·人脸识别研究的内容 | 第8-9页 |
| ·人脸识别技术研究的历史与现状 | 第9-10页 |
| ·人脸识别技术研究的发展 | 第9-10页 |
| ·人脸识别技术的挑战 | 第10页 |
| ·人脸识别分类及常用方法 | 第10-13页 |
| ·人脸识别分类 | 第10-11页 |
| ·常用的人脸识别方法 | 第11-13页 |
| ·人脸识别技术的应用 | 第13-14页 |
| ·人脸识别常用数据库 | 第14-15页 |
| ·本文的内容及工作 | 第15-17页 |
| 第二章 人脸图像的预处理 | 第17-28页 |
| ·基于主成分分析方法的人脸图像预处理 | 第17-24页 |
| ·主成分分析法 | 第18-21页 |
| ·主成分分量的提取 | 第21-22页 |
| ·主成分分析在人脸识别中的应用 | 第22-23页 |
| ·主成分分析与白化 | 第23-24页 |
| ·基于小波分解的人脸图像预处理 | 第24-28页 |
| ·小波变换综述 | 第24-26页 |
| ·人脸图像的小波分解 | 第26-28页 |
| 第三章 基于独立成分分析（ICA）的特征提取 | 第28-40页 |
| ·ICA 概述 | 第28-31页 |
| ·“鸡尾酒会”问题 | 第28-29页 |
| ·ICA 定义及模型 | 第29-30页 |
| ·ICA 的约束条件 | 第30页 |
| ·ICA 中的含混因素 | 第30-31页 |
| ·ICA 方法 | 第31-38页 |
| ·ICA 估计原理 | 第31-32页 |
| ·ICA 独立性判据 | 第32-35页 |
| ·Informax 算法 | 第35-36页 |
| ·ICA 固定点算法 | 第36-38页 |
| ·基于ICA 的人脸图像的特征提取 | 第38-40页 |
| 第四章 分类器 | 第40-45页 |
| ·距离分类器 | 第40-41页 |
| ·贝叶斯分类器 | 第41页 |
| ·神经网络分类器 | 第41-42页 |
| ·支持向量机 | 第42-45页 |
| 第五章 仿真试验与结果分析 | 第45-55页 |
| ·关于实验的几点说明 | 第45-47页 |
| ·人脸数据库的使用 | 第45页 |
| ·人脸图像的预处理 | 第45-47页 |
| ·基于ICA 的人脸特征提取 | 第47-52页 |
| ·人脸图像的表示方法 | 第48-50页 |
| ·基于ICA 的人脸图像的特征提取 | 第50-52页 |
| ·基于各种分类器的分类实验 | 第52-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·本文工作总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61-64页 |
| 致谢 | 第64页 |
