基于改进2D-PCA和2D-LDA的人脸识别方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-24页 |
| 1.1 生物特征识别技术 | 第11-13页 |
| 1.2 人脸识别技术 | 第13-20页 |
| 1.2.1 人脸识别的国内外发展现状 | 第14页 |
| 1.2.2 人脸识别的研究内容 | 第14-15页 |
| 1.2.3 人脸识别的研究方法 | 第15-20页 |
| 1.3 人脸识别的难点 | 第20-21页 |
| 1.3.1 人脸的共性与差异 | 第20-21页 |
| 1.3.2 外界环境的影响 | 第21页 |
| 1.3.3 系统性能限制 | 第21页 |
| 1.4 论文的主要研究内容及章节安排 | 第21-24页 |
| 1.4.1 论文的主要研究内容 | 第22页 |
| 1.4.2 论文的章节安排 | 第22-24页 |
| 2 人脸检测和图像预处理 | 第24-38页 |
| 2.1 基于知识的人脸检测方法 | 第24-25页 |
| 2.2 基于学习的人脸检测方法 | 第25-29页 |
| 2.2.1 Haar矩形特征 | 第25-27页 |
| 2.2.2 基于Adaboost的特征选择 | 第27页 |
| 2.2.3 级联分类器结构 | 第27-29页 |
| 2.3 几何矫正 | 第29-30页 |
| 2.3.1 旋转 | 第29页 |
| 2.3.2 裁剪 | 第29-30页 |
| 2.3.3 尺度归一化 | 第30页 |
| 2.4 光照处理 | 第30-33页 |
| 2.4.1 直方图均衡化 | 第30-31页 |
| 2.4.2 直方图匹配法 | 第31-33页 |
| 2.5 图像二值化 | 第33-34页 |
| 2.6 噪声处理 | 第34-35页 |
| 2.7 人脸数据库 | 第35-37页 |
| 2.8 本章小结 | 第37-38页 |
| 3 基于PCA的特征提取 | 第38-50页 |
| 3.1 分类器设计 | 第38-41页 |
| 3.1.1 最近邻分类器 | 第38-39页 |
| 3.1.2 线性分类器 | 第39-40页 |
| 3.1.3 Adaboost分类器 | 第40-41页 |
| 3.2 主成分分析 | 第41-44页 |
| 3.2.1 K-L变换 | 第41-42页 |
| 3.2.2 PCA算法 | 第42-43页 |
| 3.2.3 PCA的快速算法 | 第43-44页 |
| 3.3 二维主成分分析 | 第44-47页 |
| 3.3.1 2D-PCA算法 | 第44-45页 |
| 3.3.2 基于2D-PCA的图像重构 | 第45-46页 |
| 3.3.3 2D-PCA的识别效果 | 第46-47页 |
| 3.4 线性鉴别分析 | 第47-49页 |
| 3.4.1 LDA算法 | 第47-48页 |
| 3.4.2 Fisherface算法 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 改进算法和系统实现 | 第50-60页 |
| 4.1 改进的二维主成分分析 | 第50-53页 |
| 4.1.1 类内均值脸2D-PCA | 第50-51页 |
| 4.1.2 均值偏移的2D-PCA | 第51-53页 |
| 4.2 二维线性鉴别分析 | 第53-54页 |
| 4.3 改进的2D-PCA结合2D-LDA的方法 | 第54-55页 |
| 4.4 结果与分析 | 第55-56页 |
| 4.5 人脸识别系统的实现 | 第56-58页 |
| 4.6 本章小结 | 第58-60页 |
| 5 结论 | 第60-62页 |
| 5.1 论文总结 | 第60-61页 |
| 5.2 后续工作和展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |
