人脸识别特征抽取算法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 图表目录 | 第9-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·问题的提出 | 第12-14页 |
| ·论文研究内容及技术手段 | 第14-15页 |
| ·论文的特色及创新 | 第15页 |
| ·论文组织结构 | 第15-17页 |
| 2 研究综述 | 第17-35页 |
| ·人脸识别技术的发展历程 | 第17-20页 |
| ·人脸识别技术的国内外发展现状 | 第20-23页 |
| ·生物特征识别的应用 | 第23-25页 |
| ·人脸识别技术中面临的挑战 | 第25-27页 |
| ·人脸识别的特征抽取综述 | 第27-33页 |
| ·特征抽取算法分类 | 第27-28页 |
| ·特征抽取算法综述 | 第28-33页 |
| ·人脸库 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 3 基于线性回归分类中 NMF 特征抽取算法研究 | 第35-47页 |
| ·引言 | 第35页 |
| ·基于类处理的分类算法--线性回归分类 | 第35-37页 |
| ·线性回归分类 | 第35-37页 |
| ·非负矩阵分解降维 | 第37-40页 |
| ·算法流程 | 第40-42页 |
| ·实验结果与分析 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 4 基于 2DPNMF 的特征抽取算法研究 | 第47-65页 |
| ·引言 | 第47-48页 |
| ·基于向量的子空间学习算法介绍 | 第48页 |
| ·二维投影非负矩阵分解原理 | 第48-64页 |
| ·训练和识别算法 | 第52-53页 |
| ·实验与分析 | 第53-64页 |
| ·本章小结 | 第64-65页 |
| 5 基于 B 样条和图像梯度的特征抽取算法研究 | 第65-81页 |
| ·引言 | 第65-66页 |
| ·GABOR 及 LBP 变换 | 第66-70页 |
| ·GABOR 小波变换 | 第66-68页 |
| ·LBP 算法介绍 | 第68-70页 |
| ·LBP 算法分析 | 第70页 |
| ·B 样条函数和梯度脸 | 第70-74页 |
| ·B 样条函数定义 | 第71页 |
| ·B 样条函数特性 | 第71-73页 |
| ·梯度脸 | 第73-74页 |
| ·算法描述 | 第74-76页 |
| ·B 样条滤波 | 第75页 |
| ·梯度脸计算 | 第75页 |
| ·匹配 | 第75-76页 |
| ·实验结果 | 第76-79页 |
| ·B 样条滤波在各数据库下的识别率 | 第76-77页 |
| ·不同阶数的情况下 B 样条滤波的实验效果 | 第77-79页 |
| ·结论 | 第79-81页 |
| 6 总结及展望 | 第81-85页 |
| ·研究工作总结 | 第81-82页 |
| ·进一步研究展望 | 第82-85页 |
| 致谢 | 第85-87页 |
| 参考文献 | 第87-95页 |
| 附录 | 第95-96页 |
| A. 攻读博士学位期间发表的学术论文 | 第95页 |
| B. 攻读博士学位期间参加的科研项目 | 第95-96页 |
