基于支持向量机和边缘信息度量的人脸识别
| 第一章 绪论 | 第1-14页 |
| 1-1 引言 | 第8页 |
| 1-2 人脸识别的研究内容及国内外研究现状 | 第8-10页 |
| 1-3 支持向量机研究现状 | 第10-11页 |
| 1-4 人脸识别的应用和前景 | 第11-12页 |
| 1-5 论文的研究范围及主要内容 | 第12页 |
| 1-6 论文的内容安排 | 第12-14页 |
| 第二章 边缘信息的提取 | 第14-22页 |
| 2-1 人脸图像的预处理 | 第14-16页 |
| 2-1-1 人脸图像的平滑 | 第14页 |
| 2-1-2 人脸图像的归一化 | 第14-16页 |
| 2-2 人脸图像的边缘提取 | 第16-22页 |
| 2-2-1 经典的边缘检测方法 | 第17-20页 |
| 2-2-2 边缘检测方法性能比较 | 第20-22页 |
| 第三章 人脸图像的特征提取 | 第22-30页 |
| 3-1 常用的特征提取方法 | 第22-25页 |
| 3-2 离散余弦变换原理 | 第25-28页 |
| 3-3 基于离散余弦变换的人脸特征提取 | 第28-30页 |
| 第四章 基于支持向量机的人脸识别 | 第30-40页 |
| 4-1 引言 | 第30页 |
| 4-2 统计学习理论 | 第30-33页 |
| 4-2-1 经验风险最小化 | 第31页 |
| 4-2-2 VC维 | 第31页 |
| 4-2-3 推广性的界 | 第31-32页 |
| 4-2-4 结构风险最小化 | 第32-33页 |
| 4-3 支持向量机原理 | 第33-38页 |
| 4-3-1 最优分类面 | 第33-36页 |
| 4-3-2 广义最优分类面 | 第36-37页 |
| 4-3-3 支持向量机 | 第37-38页 |
| 4-4 用支持向量机解决多类分类问题 | 第38-40页 |
| 第五章 人脸识别实验过程与结果分析 | 第40-49页 |
| 5-1 ORL人脸库简介 | 第40页 |
| 5-2 实验过程与结果分析 | 第40-48页 |
| 5-2-1 实验步骤和方法 | 第40-42页 |
| 5-2-2 选取边缘提取算子 | 第42页 |
| 5-2-3 选取支持向量机核函数和参数 | 第42-44页 |
| 5-2-4 利用边缘信息与不利用边缘信息的比较 | 第44页 |
| 5-2-5 特征向量维数对识别时间的影响 | 第44页 |
| 5-2-6 选取DCT系数 | 第44-46页 |
| 5-2-7 样本数量对支持向量机识别率的影响 | 第46-47页 |
| 5-2-8 人脸识别系统的实现 | 第47-48页 |
| 5-3 与其它识别方法的比较 | 第48页 |
| 5-4 小结 | 第48-49页 |
| 第六章 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间所取得的相关科研成果 | 第54页 |
