基于PCA的人脸识别算法研究
| 第1章 绪论 | 第1-15页 |
| ·引言 | 第10-11页 |
| ·人脸识别研究的发展历史及现状 | 第11-12页 |
| ·人脸识别问题的描述 | 第12-13页 |
| ·本文所做的工作及章节安排 | 第13-15页 |
| 第2章 人脸识别技术预备知识 | 第15-30页 |
| ·人脸图像的预处理 | 第15-17页 |
| ·人脸检测 | 第17-19页 |
| ·基于知识模型的方法 | 第17-18页 |
| ·基于统计模型的方法 | 第18-19页 |
| ·基于模板匹配的方法 | 第19页 |
| ·人脸的特征提取 | 第19-24页 |
| ·几何特征提取 | 第19-20页 |
| ·线性子空间法 | 第20-23页 |
| ·基于核的非线性子空间法 | 第23-24页 |
| ·人脸的识别分类 | 第24-29页 |
| ·判别函数分类器 | 第25-27页 |
| ·基于统计模式的分类器 | 第27-28页 |
| ·神经网络分类器 | 第28-29页 |
| ·总结 | 第29-30页 |
| 第3章 单灰度图像中眼睛定位的人脸位置矫正方法 | 第30-40页 |
| ·引言 | 第30页 |
| ·算法参数设计 | 第30-32页 |
| ·垂直方差投影 | 第31页 |
| ·水平积分投影 | 第31页 |
| ·图像块纵向复杂度 | 第31页 |
| ·眼睛黑斑模型 | 第31-32页 |
| ·人脸位置矫正算法的实现 | 第32-37页 |
| ·灰度人脸区域 | 第32-34页 |
| ·人眼位置的确定 | 第34-36页 |
| ·依据人脸图像的轴对称性矫正人脸位置 | 第36-37页 |
| ·实验结果分析 | 第37-38页 |
| ·实验总结 | 第38-40页 |
| 第4章 一种改进的PCA人脸识别算法 | 第40-52页 |
| ·引言 | 第40页 |
| ·基于PCA的人脸识别 | 第40-42页 |
| ·人脸的表示 | 第40页 |
| ·人脸图像的标准化 | 第40-41页 |
| ·特征提取 | 第41-42页 |
| ·利用特征脸识别人脸 | 第42页 |
| ·基于模PCA的人脸识别 | 第42-45页 |
| ·特征提取 | 第42-44页 |
| ·基于模PCA的分类识别 | 第44-45页 |
| ·人脸识别算法 | 第45页 |
| ·人脸数据库 | 第45-46页 |
| ·实验结果 | 第46-49页 |
| ·实验的程序实现 | 第49-50页 |
| ·实验分析总结 | 第50-52页 |
| 第5章 基于模ICA的人脸识别 | 第52-59页 |
| ·引言 | 第52页 |
| ·ICA人脸识别 | 第52-53页 |
| ·模ICA人脸识别 | 第53-56页 |
| ·特征提取 | 第53-54页 |
| ·人脸识别算法 | 第54-56页 |
| ·实验结果 | 第56-57页 |
| ·模ICA人脸识别实验的程序实现 | 第57页 |
| ·本章总结 | 第57-59页 |
| 第6章 基于多权值函数神经网络的PCA人脸识别 | 第59-66页 |
| ·人脸特征提取 | 第59-63页 |
| ·主元分析法(PCA)算法理论 | 第59-61页 |
| ·多权值神经网络模型 | 第61-62页 |
| ·利用非线性多权值函数神经网络提取主元 | 第62-63页 |
| ·特征数据的归一化和多权值神经网络识别 | 第63-64页 |
| ·实验结果分析 | 第64-65页 |
| ·总结 | 第65-66页 |
| 第7章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·对未来工作的展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 附录1 | 第73-74页 |
| 附录2 | 第74-75页 |
| 致谢 | 第75-76页 |
| 攻读研究生期间参加科研项目与发表的论文 | 第76页 |
