有效消除光照影响的人脸识别方法
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 引言 | 第11页 |
| 1.2 研究背景和意义 | 第11-13页 |
| 1.3 研究现状和趋势 | 第13-17页 |
| 1.4 全文的主要工作 | 第17-18页 |
| 1.5 全文的组织架构 | 第18-19页 |
| 2 人脸识别介绍 | 第19-25页 |
| 2.1 人脸识别的研究内容 | 第19-20页 |
| 2.2 人脸识别的常用分类准则 | 第20-21页 |
| 2.3 人脸识别的算法评价标准 | 第21-22页 |
| 2.4 常用人脸识别数据库介绍 | 第22-23页 |
| 2.5 人脸识别系统中存在的难点 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 人脸识别中的光照问题 | 第25-52页 |
| 3.1 现有光照预处理算法简要介绍 | 第25-35页 |
| 3.1.1 主动方法 | 第25-26页 |
| 3.1.1.1 三维信息 | 第25-26页 |
| 3.1.1.2 红外 | 第26页 |
| 3.1.2 被动方法 | 第26-33页 |
| 3.1.2.1 光照变化建模 | 第26-29页 |
| 3.1.2.2 光照不变特征 | 第29-30页 |
| 3.1.2.3 光照条件标准化 | 第30-33页 |
| 3.1.2.4 3D形变模型 | 第33页 |
| 3.1.3 文献中性能最好的算法比较 | 第33-35页 |
| 3.2 局部对比度增强及其改进 | 第35-41页 |
| 3.2.1 LCE方法介绍 | 第36-39页 |
| 3.2.2 LCE方法改进 | 第39-41页 |
| 3.3 自适应特征提取 | 第41-46页 |
| 3.3.1 离散余弦变换（DCT） | 第42页 |
| 3.3.2 自适应特征选择和特征向量的降维 | 第42-45页 |
| 3.3.3 对特征选择和降维的讨论 | 第45-46页 |
| 3.4 支持向量机分类器 | 第46-51页 |
| 3.4.1 SVM的分类原理 | 第46-48页 |
| 3.4.2 两类的分类 | 第48-49页 |
| 3.4.3 投票表决 | 第49-50页 |
| 3.4.4 讨论 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 4 实验结果及分析 | 第52-71页 |
| 4.1 实验环境介绍 | 第52页 |
| 4.2 LCE和改进LCE的实验 | 第52页 |
| 4.3 Yale人脸库上的测试 | 第52-57页 |
| 4.4 YaleB和YaleBE人脸库上的测试 | 第57-63页 |
| 4.4.1 不同范围光照条件下的测试 | 第57-59页 |
| 4.4.2 光照姿态都混合的测试 | 第59-62页 |
| 4.4.3 其他特征提取和训练方案 | 第62-63页 |
| 4.5 时间复杂度分析 | 第63-70页 |
| 4.6 本章小结 | 第70-71页 |
| 5 总结与展望 | 第71-73页 |
| 5.1 全文总结 | 第71-72页 |
| 5.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-80页 |
| 致谢 | 第80-81页 |
| 个人简历 | 第81页 |
| 发表的学术论文 | 第81-82页 |
