基于子空间分析特征提取的人脸识别研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-22页 |
| 1.1 人脸识别概述 | 第8-9页 |
| 1.2 人脸识别背景及现实意义 | 第9页 |
| 1.3 人脸识别中特征提取方法研究现状 | 第9-16页 |
| 1.3.1 人脸识别的研究内容 | 第9-12页 |
| 1.3.2 人脸识别面临的挑战 | 第12-13页 |
| 1.3.3 人脸特征提取的主要方法 | 第13-16页 |
| 1.4 子空间人脸识别研究现状 | 第16-20页 |
| 1.5 课题研究具体内容及安排 | 第20-22页 |
| 2 二维主成分分析 | 第22-29页 |
| 2.1 引言 | 第22页 |
| 2.2 K-L 变换 | 第22-23页 |
| 2.3 基于二维主成分分析的人脸识别 | 第23-25页 |
| 2.4 实验分析 | 第25-27页 |
| 2.4.1 Yale 人脸库实验 | 第25-26页 |
| 2.4.2 ORL 人脸库实验 | 第26-27页 |
| 2.5 2DPCA 方法的优缺点及改进方法 | 第27页 |
| 2.6 本章小结 | 第27-29页 |
| 3 线性判别分析 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 线性判别分析 | 第29-32页 |
| 3.2.1 线性判别函数 | 第29-30页 |
| 3.2.2 广义线性判别函数 | 第30-31页 |
| 3.2.3 线性判别分析 | 第31-32页 |
| 3.3 二维线性判别分析 | 第32-34页 |
| 3.4 实验分析 | 第34-35页 |
| 3.4.1 ORL 人脸库实验 | 第34-35页 |
| 3.4.2 Yale 人脸库实验 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 4 二维局部保持投影算法的改进研究 | 第37-49页 |
| 4.1 引言 | 第37-38页 |
| 4.2 流形学习 | 第38-40页 |
| 4.2.1 拓扑结构 | 第38-39页 |
| 4.2.2 流形学的数学定义 | 第39-40页 |
| 4.3 局部保持投影算法 | 第40页 |
| 4.4 基于二维局部保持投影的人脸识别 | 第40-41页 |
| 4.5 大间距准则 | 第41-42页 |
| 4.6 基于大间距准则的二维局部保持投影法 | 第42-43页 |
| 4.7 最小相关性分析 | 第43-45页 |
| 4.8 实验分析 | 第45-48页 |
| 4.8.1 ORL 人脸库实验 | 第46-47页 |
| 4.8.2 PIE 人脸数据库 | 第47-48页 |
| 4.9 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 本文总结 | 第49页 |
| 5.2 研究课题展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录 | 第57页 |
| 作者在攻读学位期间发表的论文目录 | 第57页 |
