首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸特征提取与人脸识别系统研究

摘要第5-6页
Abstract第6页
目录第7-10页
第1章 绪论第10-18页
    1.1 课题研究背景与意义第10-11页
    1.2 国内外研究现状第11-13页
    1.3 人脸识别技术存在的难点第13-14页
    1.4 人脸识别系统框架第14-17页
        1.4.1 识别问题中的概念第14-15页
        1.4.2 人脸识别系统框架第15-17页
    1.5 本文的内容安排第17-18页
第2章 人脸数据库和图像预处理第18-26页
    2.1 人脸数据库第18-20页
    2.2 图像预处理第20-26页
        2.2.1 灰度图像第20页
        2.2.2 直方图均衡第20-23页
        2.2.3 中值滤波第23-26页
第3章 人脸特征提取第26-40页
    3.1 概述第26页
    3.2 PCA理论第26-30页
        3.2.1 零维时的情况第27页
        3.2.2 一维时的情况第27-29页
        3.2.3 k维时的情况第29-30页
    3.3 PCA在人脸特征提取中的缺点第30-31页
    3.4 改进的PCA方法第31-33页
        3.4.1 改进的PCA理论第31-32页
        3.4.2 改进PCA函数的封装第32-33页
    3.5 基于改进的PCA人脸特征提取第33-37页
        3.5.1 ORL人脸库简介第33-34页
        3.5.2 生成样本矩阵第34-35页
        3.5.3 主成分分析第35-37页
    3.6 人脸样本图像重建第37-40页
第4章 基于SVM的多类分类器设计第40-54页
    4.1 支持向量机原理第40-48页
        4.1.1 线性可分情况第41-44页
        4.1.2 线性不可分情况第44-46页
        4.1.3 核函数映射第46-48页
    4.2 SVM在Matlab中的实现第48-50页
        4.2.1 训练函数——svmtrain第48-49页
        4.2.2 分类函数——svmclassify第49-50页
    4.3 将SVM推广到多类问题第50-54页
        4.3.1 推广方法第50-51页
        4.3.2 Matlab实现第51-54页
第5章 人脸识别系统设计第54-66页
    5.1 前期处理第54-55页
    5.2 数据规格化第55-56页
        5.2.1 数据规格化的必要性第55页
        5.2.2 数据规格化方法第55-56页
    5.3 选择核函数第56-58页
        5.3.1 核函数的选择第56页
        5.3.2 参数选择第56-58页
    5.4 人脸识别系统仿真第58-63页
        5.4.1 系统整体框架设计第59页
        5.4.2 程序控制界面设计第59-60页
        5.4.3 训练第60-61页
        5.4.4 识别第61-63页
    5.5 实验结果分析第63-66页
第6章 总结与展望第66-68页
    6.1 工作总结第66页
    6.2 展望第66-68页
参考文献第68-72页
致谢第72页

论文共72页,点击 下载论文
上一篇:基于Hammerstein模型水泥生料分解炉温度过程动态模型的研究
下一篇:汽车自载重测量系统研究