人脸识别中基于贝叶斯决策融合的算法
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-21页 |
| ·人脸识别的研究背景、目的和意义 | 第11-12页 |
| ·研究现状及难点 | 第12-13页 |
| ·研究现状 | 第12-13页 |
| ·人脸识别研究的难点 | 第13页 |
| ·人脸识别的研究内容和主要技术方法 | 第13-18页 |
| ·人脸识别研究内容 | 第14-15页 |
| ·人脸识别的主要技术方法 | 第15-18页 |
| ·本文所做工作及各章节安排 | 第18-21页 |
| 第2章 人脸图像预处理 | 第21-31页 |
| ·人脸检测与定位 | 第21-22页 |
| ·预处理算法 | 第22-26页 |
| ·引言 | 第22页 |
| ·滤波去噪 | 第22页 |
| ·几何归一化 | 第22-23页 |
| ·灰度归一化 | 第23-26页 |
| ·人脸图像的小波分解 | 第26-29页 |
| ·小波理论 | 第26-28页 |
| ·小波变换在人脸识别中的应用 | 第28-29页 |
| ·本文采取的预处理方法 | 第29-31页 |
| 第3章 基于子空间方法的特征提取 | 第31-39页 |
| ·引言 | 第31页 |
| ·主成分分析 | 第31-35页 |
| ·离散K-L变换 | 第31-33页 |
| ·主成分分析人脸特征提取算法 | 第33-35页 |
| ·线性鉴别分析 | 第35-36页 |
| ·引言 | 第35页 |
| ·二维线性鉴别分析人脸特征提取算法 | 第35-36页 |
| ·主成分分析、线性鉴别分析优缺点分析 | 第36-39页 |
| 第4章 基于贝叶斯决策的人脸识别 | 第39-49页 |
| ·贝叶斯决策原理 | 第39-42页 |
| ·两类问题的贝叶斯分类器 | 第42-44页 |
| ·基于贝叶斯融合判决的人脸识别 | 第44-49页 |
| ·贝叶斯融合规则 | 第45-47页 |
| ·多通道贝叶斯融合判决的精度 | 第47-49页 |
| 第5章 人脸识别系统实现和实验结果分析 | 第49-61页 |
| ·本文的人脸识别算法 | 第49-52页 |
| ·预处理 | 第49页 |
| ·特征提取 | 第49-50页 |
| ·识别分类 | 第50-52页 |
| ·多通道贝叶斯融合判决的人脸识别方法的实现过程 | 第52-55页 |
| ·训练阶段 | 第52-54页 |
| ·识别阶段 | 第54-55页 |
| ·实验及结果分析 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第6章 全文总结和展望 | 第61-63页 |
| ·全文总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |
