基于SIFT的人脸识别算法研究与实现
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 课题来源 | 第11页 |
| 1.2 课题背景及研究意义 | 第11-12页 |
| 1.3 人脸检测及其与人脸识别关系 | 第12-14页 |
| 1.3.1 人脸检测及检测方法 | 第12-13页 |
| 1.3.2 人脸检测与人脸识别的关系 | 第13-14页 |
| 1.4 人脸识别国内外研究现状 | 第14-16页 |
| 1.5 论文研究内容和组织结构 | 第16-19页 |
| 1.5.1 研究内容 | 第16-17页 |
| 1.5.2 各章节内容安排 | 第17-19页 |
| 2 基于SIFT算法的特征提取 | 第19-35页 |
| 2.1 图像处理中的特征点基础概述 | 第19-20页 |
| 2.2 SIFT算法简介与发展历程 | 第20-21页 |
| 2.3 SIFT算法的主要特点 | 第21-22页 |
| 2.4 SIFT特征算子的提取 | 第22-34页 |
| 2.4.1 构建尺度空间 | 第22页 |
| 2.4.2 高斯金字塔的构建 | 第22-23页 |
| 2.4.3 构建尺度空间需确定的参数 | 第23-24页 |
| 2.4.4 DoG尺度空间的创建 | 第24-26页 |
| 2.4.5 尺度空间极值点检测 | 第26-27页 |
| 2.4.6 精确定位特征点 | 第27-31页 |
| 2.4.7 特征点方向分配 | 第31-32页 |
| 2.4.8 特征点特征矢量生成 | 第32-34页 |
| 2.5 章节小结 | 第34-35页 |
| 3 基于YCbCr空间的人脸检测 | 第35-49页 |
| 3.1 人脸图像采集 | 第35-36页 |
| 3.2 色彩空间 | 第36-38页 |
| 3.2.1 RGB色彩空间 | 第36页 |
| 3.2.2 HSV色彩空间 | 第36-37页 |
| 3.2.3 YCbCr色彩空间 | 第37-38页 |
| 3.3 肤色模型建立 | 第38-40页 |
| 3.3.1 肤色采样 | 第38-39页 |
| 3.3.2 肤色模型 | 第39-40页 |
| 3.4 人脸定位 | 第40-48页 |
| 3.4.1 数学形态学处理 | 第40-42页 |
| 3.4.2 筛选连通区域 | 第42-43页 |
| 3.4.3 标记连通区域 | 第43-44页 |
| 3.4.4 耳根定位 | 第44-45页 |
| 3.4.5 中线灰度循环检测法 | 第45-47页 |
| 3.4.6 多人脸的分离 | 第47-48页 |
| 3.5 章节小结 | 第48-49页 |
| 4 人脸图像预处理及图像旋转插值处理 | 第49-57页 |
| 4.1 常见人脸图像预处理方法 | 第49-53页 |
| 4.1.1 图像滤波技术 | 第49-51页 |
| 4.1.2 图像锐化 | 第51-53页 |
| 4.2 图像旋转插值处理 | 第53-55页 |
| 4.2.1 分裂合并的归一化方法 | 第53-54页 |
| 4.2.2 插值变换的归一化方法 | 第54-55页 |
| 4.3 本章小结 | 第55-57页 |
| 5 基于SIFT算法的人脸特征匹配 | 第57-73页 |
| 5.1 特征向量的生成 | 第57-59页 |
| 5.2 SIFT特征点再筛选与分区 | 第59-63页 |
| 5.2.1 SIFT特征点的再筛选 | 第59-61页 |
| 5.2.2 特征向量的分区 | 第61-63页 |
| 5.3 SIFT特征向量的匹配 | 第63-64页 |
| 5.4 特征点匹配算法的实验 | 第64-71页 |
| 5.4.1 人脸匹配前的处理 | 第64-65页 |
| 5.4.2 人脸匹配实验 | 第65-70页 |
| 5.4.3 人脸识别率对比 | 第70页 |
| 5.4.4 误差分析 | 第70-71页 |
| 5.5 本章小结 | 第71-73页 |
| 6 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 作者简历 | 第79-81页 |
| 学位论文数据集 | 第81页 |
