基于Gabor小波与BP神经网络的人脸检测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-17页 |
| ·选题意义 | 第9-10页 |
| ·国内外研究动态 | 第10-11页 |
| ·国外研究现状 | 第10页 |
| ·国内研究现状 | 第10-11页 |
| ·Gabor 滤波器简介 | 第11-13页 |
| ·神经网络简介 | 第13-14页 |
| ·论文的主要工作 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·研究思路 | 第15页 |
| ·研究路线 | 第15-16页 |
| ·论文组织与安排 | 第16-17页 |
| 第2章 图像预处理 | 第17-26页 |
| ·数字图像预处理 | 第17页 |
| ·图像灰度化 | 第17-19页 |
| ·灰度增强 | 第19-23页 |
| ·灰度变换 | 第19-22页 |
| ·高低帽变换与对比度增强 | 第22-23页 |
| ·空间滤波 | 第23-25页 |
| ·邻域平均法 | 第23-24页 |
| ·中值滤波 | 第24-25页 |
| ·锐化处理 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 Gabor 滤波器特征提取 | 第26-39页 |
| ·人脸候选区域定位 | 第26-28页 |
| ·构建改进Gabor 小波滤波器 | 第28-33页 |
| ·目标纹理特性分析 | 第28-29页 |
| ·二维Gabor 滤波器的构成 | 第29-31页 |
| ·Gabor 滤波器参数选择 | 第31-33页 |
| ·Gabor 滤波器提取人脸特征 | 第33-38页 |
| ·多通道快速Gabor 特征提取 | 第33-35页 |
| ·特征降维及归一化处理 | 第35-38页 |
| ·人脸特征向量表示 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 分类器选择 | 第39-50页 |
| ·分类规则 | 第39-40页 |
| ·人工神经网络技术 | 第40-42页 |
| ·单个神经元模型 | 第41页 |
| ·多层前馈神经网络 | 第41-42页 |
| ·传统BP 算法 | 第42-47页 |
| ·BP 网络的网络结构 | 第42-44页 |
| ·BP 网络的学习规则 | 第44-45页 |
| ·BP 网络的训练 | 第45-47页 |
| ·改进BP 算法 | 第47-49页 |
| ·传统BP 算法的缺点 | 第47页 |
| ·改进BP 算法的原理 | 第47-48页 |
| ·改进BP 算法与传统BP 算法的对比 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 测试结果 | 第50-56页 |
| ·制作训练样本库 | 第50-52页 |
| ·Gabor 小波与神经网络的结合 | 第52页 |
| ·多目标识别测试 | 第52-54页 |
| ·测试结果与分析 | 第54页 |
| ·测试结果与对比 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间取得学术成果 | 第61页 |
