特征子空间法人脸识别研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·人脸识别的研究意义及应用价值 | 第8-9页 |
| ·人脸识别的研究内容 | 第9-11页 |
| ·广义的人脸识别 | 第9页 |
| ·人脸识别研究的发展现状及问题分析 | 第9-11页 |
| ·本文主要内容及创新之处 | 第11-13页 |
| 第二章 人脸图像预处理 | 第13-21页 |
| ·常用的脸像预处理 | 第13-16页 |
| ·脸像的灰度化 | 第13-14页 |
| ·脸像的几何校正 | 第14页 |
| ·脸像的二值化 | 第14-15页 |
| ·脸像的滤波 | 第15页 |
| ·直方图修正 | 第15-16页 |
| ·本文的预处理 | 第16-19页 |
| ·像素平均法 | 第16-17页 |
| ·能量归一化 | 第17-19页 |
| ·快速Fourier 变换(FFT) | 第19页 |
| ·本章小结 | 第19-21页 |
| 第三章 人脸图像的特征提取 | 第21-36页 |
| ·基于统计的线性特征提取方法 | 第21-27页 |
| ·相关理论基础 | 第21-24页 |
| ·基于PCA 的人脸特征提取 | 第24-25页 |
| ·基于LDA 的人脸特征提取 | 第25-26页 |
| ·PCA 与 LDA 的比较 | 第26-27页 |
| ·基于核的非线性特征提取方法 | 第27-28页 |
| ·小波特征 | 第28-31页 |
| ·基于局部本征谱的特征提取 | 第31-35页 |
| ·局部本征谱提取过程 | 第31-33页 |
| ·利用奇异值分解(SVD)间接获取投影向量 | 第33-34页 |
| ·按信息压缩比选取主投影向量 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 人脸特征的分类方法 | 第36-42页 |
| ·线性与非线性分类方法的区别 | 第36页 |
| ·欧式距离分类器 | 第36-37页 |
| ·马式距离分类器 | 第37-38页 |
| ·最近邻分类器 | 第38页 |
| ·Bayes 分类器 | 第38-39页 |
| ·基于核的非线性Parzen 分类器 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 人脸识别相关实验 | 第42-48页 |
| ·人脸图像说明 | 第42-43页 |
| ·实验结果 | 第43-47页 |
| ·实验1 预处理对人脸识别的作用 | 第43-44页 |
| ·实验2 特征提取手段的比较 | 第44-46页 |
| ·实验3 分类器的比较 | 第46-47页 |
| ·实验结论 | 第47-48页 |
| 全文总结及技术展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 作者信息 | 第55页 |
