基于本征谱和支持向量分类器的人脸识别
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 引言 | 第8-12页 |
| ·人脸识别简介 | 第8页 |
| ·人脸识别的研究内容 | 第8-9页 |
| ·人脸识别的现状和前景 | 第9-10页 |
| ·本文工作内容及安排 | 第10-12页 |
| 第2章 人脸图像的预处理 | 第12-19页 |
| ·引言 | 第12页 |
| ·人脸数据库 | 第12-13页 |
| ·人脸预处理算法 | 第13-18页 |
| ·像素平均法 | 第13-14页 |
| ·能量归一化 | 第14页 |
| ·分数傅立叶变换(FRFT) | 第14-16页 |
| ·离散分数傅立叶变换 | 第16-17页 |
| ·分数傅立叶变换与傅氏变换 | 第17-18页 |
| ·本章小节 | 第18-19页 |
| 第3章 人脸图像中的特征提取 | 第19-29页 |
| ·图像识别中特征提取简介 | 第19-20页 |
| ·用主元分析法进行特征提取 | 第20-24页 |
| ·K-L 变换 | 第20-22页 |
| ·奇异值分解 | 第22-23页 |
| ·基于PCA 的人脸特征提取 | 第23页 |
| ·主元分析中主元的选取 | 第23-24页 |
| ·线性判决分析(LDA) | 第24-25页 |
| ·基于 LDA 的人脸特征提取 | 第24页 |
| ·PCA 与 LDA 的比较 | 第24-25页 |
| ·小波分析 | 第25-28页 |
| ·本章小节 | 第28-29页 |
| 第4章 支持向量分类器 | 第29-36页 |
| ·引言 | 第29页 |
| ·支持向量机 | 第29-35页 |
| ·最优分类面 | 第30-32页 |
| ·广义最优分类面 | 第32-33页 |
| ·高维空间中的最优分类面 | 第33页 |
| ·支持向量机 | 第33-34页 |
| ·支持向量机常用的内积函数 | 第34-35页 |
| ·多分类支持向量机 | 第35页 |
| ·本章小节 | 第35-36页 |
| 第5章 实验结果与讨论 | 第36-44页 |
| ·人脸图像说明 | 第36-37页 |
| ·人脸识别系统设计 | 第37页 |
| ·实验结果 | 第37-42页 |
| ·预处理对人脸识别的影响 | 第37-39页 |
| ·使用分数傅立叶变换的一些实验结果 | 第39-40页 |
| ·特征提取方法的比较 | 第40-41页 |
| ·分类器对识别结果的影响 | 第41-42页 |
| ·使用不同数量训练样本的一些实验结果 | 第42页 |
| ·实验结论 | 第42-44页 |
| 第6章 总结与展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 作者信息 | 第49页 |
