基于光照预处理和特征融合的人脸识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 本课题的研究意义及研究现状 | 第9-12页 |
| 1.1.1 人脸识别的研究意义及技术优势 | 第9-10页 |
| 1.1.2 人脸识别的研究现状 | 第10-12页 |
| 1.2 人脸识别系统的应用 | 第12页 |
| 1.3 常用人脸数据库简介 | 第12-13页 |
| 1.4 人脸识别的主要过程 | 第13-14页 |
| 1.5 本文主要内容和结构 | 第14-16页 |
| 第二章 人脸特征的提取与分类 | 第16-30页 |
| 2.1 基于全局的图像特征提取方法 | 第16-22页 |
| 2.1.1 主成分分析 | 第17-19页 |
| 2.1.2 线性判别分析 | 第19-22页 |
| 2.2 基于局部特征的图像提取方法 | 第22-25页 |
| 2.2.1 基于Gabor波的特征提取 | 第22-24页 |
| 2.2.2 基于局部二进制模式的特征提取 | 第24-25页 |
| 2.3 特征分类 | 第25-29页 |
| 2.3.1 最近邻分类 | 第25-26页 |
| 2.3.2 支持向量机 | 第26-29页 |
| 2.4 小结 | 第29-30页 |
| 第三章 人脸图像的去光照预处理方法 | 第30-41页 |
| 3.1 基于直方图的预处理方法 | 第30-34页 |
| 3.1.1 直方图均衡化 | 第30-32页 |
| 3.1.2 Gamma校正 | 第32-34页 |
| 3.2 基于Lambertian模型的预处理 | 第34-38页 |
| 3.2.1 Lambertian模型 | 第34-35页 |
| 3.2.2 自商图像 | 第35-37页 |
| 3.2.3 局部规范化 | 第37-38页 |
| 3.3 基于Gamma校正和SQI的去光照预处理 | 第38-39页 |
| 3.4 实验与分析 | 第39-40页 |
| 3.5 小结 | 第40-41页 |
| 第四章 基于分区MB-LTP和PCA的特征提取 | 第41-55页 |
| 4.1 LBP相关衍生算法 | 第41-46页 |
| 4.1.1 圆形领域的LBP算子 | 第41-42页 |
| 4.1.2 多块局部二进制模式 | 第42-44页 |
| 4.1.3 局部三进制模式 | 第44-45页 |
| 4.1.4 基于分区MB-LBP的特征提取的改进 | 第45-46页 |
| 4.2 统一化模式 | 第46-48页 |
| 4.3 基于全局特征与局部特征融合的人脸识别 | 第48-50页 |
| 4.4 实验结果及分析 | 第50-54页 |
| 4.4.1 数据库的选择 | 第50-51页 |
| 4.4.2 实验结果及分析 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于光照预处理和特征融合的人脸识别应用 | 第55-60页 |
| 5.1 人脸识别系统的组成 | 第55-56页 |
| 5.2 人脸识别技术在企业管理中的应用 | 第56-57页 |
| 5.3 人脸识别技术在信息安全中的应用 | 第57-58页 |
| 5.4 基于光照预处理和特征融合的人脸识别的应用 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |
