基于两阶段特征提取法和PSO-BP神经网络的人脸识别方法研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-16页 |
| ·人脸识别研究背景、意义及发展 | 第7-8页 |
| ·人脸识别方法的研究现状 | 第8-14页 |
| ·人脸检测 | 第8-10页 |
| ·特征提取 | 第10-12页 |
| ·识别方法 | 第12-14页 |
| ·本文研究工作概述 | 第14-16页 |
| 第二章 主分量分析法的非线性推广 | 第16-30页 |
| ·引言 | 第16页 |
| ·人脸识别中的主分量分析法 | 第16-24页 |
| ·K－L 变换 | 第16-18页 |
| ·人脸图像的主分量分析（PCA） | 第18-24页 |
| ·基于核的主分量分析法 | 第24-27页 |
| ·主分量分析法的核推广(KPCA) | 第24-26页 |
| ·常用的几类核函数 | 第26-27页 |
| ·实验与分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 两阶段核特征抽取法 | 第30-38页 |
| ·引言 | 第30页 |
| ·人脸图像的预处理 | 第30-33页 |
| ·ORL 人脸图像库 | 第30-31页 |
| ·灰度分布正规化 | 第31-33页 |
| ·两阶段特征提取法 | 第33-35页 |
| ·主分量分析法 | 第33-34页 |
| ·核主分量分析（KPCA） | 第34-35页 |
| ·算法实现 | 第35-36页 |
| ·实验与分析 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于PSO－BP 神经网络的人脸识别框架 | 第38-50页 |
| ·引言 | 第38-39页 |
| ·PSO-BP 神经网络 | 第39-46页 |
| ·BP 神经网络 | 第39-43页 |
| ·粒子群优化算法( PSO) | 第43-45页 |
| ·基于PSO 的神经网络初始权值的确定方法 | 第45-46页 |
| ·用BP 网络对人脸特征进行分类 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 实验结果及讨论 | 第50-53页 |
| 第六章 结论 | 第53-55页 |
| ·基于核的主分量分析法的研究 | 第53页 |
| ·两阶段非线性的特征提取法 | 第53-54页 |
| ·构建基于PSO-BP 神经网络的人脸识别框架 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 研究生期间发表论文 | 第60-61页 |
| 致谢 | 第61-63页 |
