基于小波变换和支持向量机的人脸识别方法研究
| 第一章 绪论 | 第1-13页 |
| 1．1 引言 | 第7-8页 |
| 1．2 人脸识别的应用 | 第8-9页 |
| 1．3 人脸识别技术的研究历史及现状 | 第9-11页 |
| 1．4 人脸数据库介绍 | 第11-13页 |
| 第二章 人脸检测与定位 | 第13-24页 |
| 2．1 人脸检测分类 | 第13-14页 |
| 2．2 人脸模式的特征 | 第14-24页 |
| 第三章 人脸识别方法 | 第24-34页 |
| 3．1 基于几何特征的人脸识别方法 | 第24-28页 |
| 3．2 基于模板匹配的人脸识别方法 | 第28-29页 |
| 3．3 基于PCA 分析的人脸识别方法 | 第29页 |
| 3．4 形状和灰度分离的可变形模型 | 第29页 |
| 3．5 隐马尔科夫模型方法 | 第29-30页 |
| 3．6 基于神经网络的方法 | 第30-31页 |
| 3．7 弹性图匹配的方法 | 第31-32页 |
| 3．8 其他人脸识别方法 | 第32页 |
| 3．9 本章小结 | 第32-34页 |
| 第四章 支持向量机 | 第34-43页 |
| 4．1 支持向量机简介 | 第34-38页 |
| 4．2 支持向量机的训练算法 | 第38-40页 |
| 4．3 用于多类分类的支持向量机 | 第40-43页 |
| 4．3．1 “一对一”策略 | 第40-41页 |
| 4．3．2 “一对多”策略 | 第41-43页 |
| 第五章 基于小波变换和支持向量机的人脸识别方法 | 第43-59页 |
| 5．1 概述 | 第43-44页 |
| 5．2 人脸图像的预处理 | 第44-47页 |
| 5．2．1 引言 | 第44-45页 |
| 5．2．2 人脸图像灰度直方图的修正 | 第45-47页 |
| 5．3 利用小波变换提取人脸图像特征 | 第47-56页 |
| 5．3．1 连续小波变换 | 第47-50页 |
| 5．3．2 离散小波变换 | 第50-51页 |
| 5．3．3 多分辨率分析与 Mallat 算法 | 第51-53页 |
| 5．3．4 图像特征的小波提取 | 第53-56页 |
| 5．4 利用支持向量机进行分类 | 第56-58页 |
| 5．5 系统测试结果 | 第58-59页 |
| 第六章 总结 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致 谢 | 第64-65页 |
| 详细摘要 | 第65-67页 |
