基于LBP和深度学习的人脸特征提取
| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-22页 |
| ·研究背景和意义 | 第13-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·人脸图像预处理 | 第16-17页 |
| ·特征提取 | 第17-18页 |
| ·人脸识别与分类 | 第18页 |
| ·人脸数据库介绍 | 第18-19页 |
| ·本文研究内容和论文结构 | 第19-22页 |
| 第2章 人脸图像预处理 | 第22-30页 |
| ·引言 | 第22页 |
| ·光照归一化 | 第22-23页 |
| ·图像去噪处理 | 第23-25页 |
| ·人脸检测 | 第25-27页 |
| ·灰度积分投影 | 第25-26页 |
| ·基于二次灰度积分投影的人脸检测 | 第26-27页 |
| ·尺寸归一化处理 | 第27-28页 |
| ·小结 | 第28-30页 |
| 第3章 融合ELBP和DCT的人脸特征提取 | 第30-39页 |
| ·引言 | 第30页 |
| ·离散余弦变换（DCT） | 第30-31页 |
| ·伸长的局部二值模式（ELBP） | 第31-33页 |
| ·ELBP的基本原理 | 第31-32页 |
| ·平均最大距离梯度幅值（AMDGM） | 第32-33页 |
| ·融合DCT和ELBP的特征提取 | 第33-35页 |
| ·实验结果与分析 | 第35-37页 |
| ·小结 | 第37-39页 |
| 第4章 深度信念网络 | 第39-44页 |
| ·引言 | 第39-40页 |
| ·受限波尔兹曼机（RBM） | 第40-41页 |
| ·深度信念网络（DBNS） | 第41-43页 |
| ·深度信念网络模型 | 第41-42页 |
| ·深度信念网络的学习 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第5章 基于LBP与DBNS的人脸特征提取 | 第44-54页 |
| ·引言 | 第44页 |
| ·局部二值模式（LBP） | 第44-45页 |
| ·极限学习机（ELM） | 第45-46页 |
| ·基于LBP和DBNS的人脸特征提取方法 | 第46-50页 |
| ·实验结果与分析 | 第50-52页 |
| ·小结 | 第52-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第62页 |
