基于子空间的人脸识别算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·人脸识别的研究意义 | 第8页 |
| ·人脸识别技术的发展 | 第8-10页 |
| ·人脸识别的结构与方法 | 第10-12页 |
| ·基于子空间人脸识别方法的研究现状 | 第12-14页 |
| ·本文研究的主要内容及论文章节安排 | 第14-15页 |
| 第二章 人脸图像的预处理 | 第15-22页 |
| ·引言 | 第15页 |
| ·人脸识别库的介绍 | 第15-16页 |
| ·图像的滤波处理 | 第16-17页 |
| ·图像的几何规范化 | 第17-19页 |
| ·图像的灰度规范化 | 第19-20页 |
| ·本文对图像的预处理工作 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 核主成分分析及线性鉴别分析的改进算法 | 第22-41页 |
| ·引言 | 第22-23页 |
| ·主成分分析法 | 第23-31页 |
| ·主成分分析法(PCA)的基本算法 | 第23-25页 |
| ·核方法的基本概念 | 第25-26页 |
| ·核主成分分析法(KPCA)的基本算法 | 第26-28页 |
| ·改进的KPCA算法 | 第28-30页 |
| ·实验结果及分析 | 第30-31页 |
| ·线性鉴别分析法(LDA) | 第31-37页 |
| ·线性鉴别分析法(LDA)的基本算法 | 第31-33页 |
| ·改进的LDA算法 | 第33-36页 |
| ·实验结果及分析 | 第36-37页 |
| ·KPCA和LDA融合改进算法 | 第37-40页 |
| ·算法介绍 | 第37-38页 |
| ·实验结果及分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于特征加权相似度辅助的KNN改进算法 | 第41-49页 |
| ·引言 | 第41-42页 |
| ·最近邻分类器 | 第42-43页 |
| ·经典最近邻分类器算法介绍 | 第42-43页 |
| ·经典KNN分类器的算法 | 第43页 |
| ·基于特征加权的相似度辅助KNN改进算法 | 第43-48页 |
| ·算法描述 | 第43-46页 |
| ·实验结果及分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 人脸识别系统及实验结果分析 | 第49-57页 |
| ·人脸识别算法的实现模块 | 第49-52页 |
| ·实验结果及分析 | 第52-56页 |
| ·核参数的选取对识别性能的影响 | 第52-53页 |
| ·识别率的实验结果及分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·对后续工作的展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间主要的研究成果 | 第73页 |
