基于稀疏表示的人脸识别的研究及应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题研究的背景及意义 | 第12-15页 |
| 1.1.1 课题研究的背景 | 第12-13页 |
| 1.1.2 人脸识别技术的重点难点 | 第13-14页 |
| 1.1.3 人脸识别研究的意义及发展趋势 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文的研究内容及思路 | 第17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第2章 人脸识别方法的基本结构与方法 | 第18-30页 |
| 2.1 人脸识别方法的基本结构 | 第18页 |
| 2.2 人脸图像预处理 | 第18-21页 |
| 2.2.1 灰度变换 | 第18-19页 |
| 2.2.2 直方图均衡化 | 第19-20页 |
| 2.2.3 图像的几何校正 | 第20-21页 |
| 2.3 人脸识别的基本方法 | 第21-26页 |
| 2.3.1 基于几何特征的人脸识别方法 | 第21-22页 |
| 2.3.2 基于隐马尔科夫的人脸识别方法 | 第22-23页 |
| 2.3.3 基于人工神经网络的人脸识别方法 | 第23-24页 |
| 2.3.4 基于虚拟样本的人脸识别方法 | 第24页 |
| 2.3.5 基于稀疏表示的人脸识别方法 | 第24-26页 |
| 2.4 常用人脸数据库 | 第26-29页 |
| 2.4.1 ORL人脸数据库 | 第26-27页 |
| 2.4.2 AR人脸数据库 | 第27页 |
| 2.4.3 FERET人脸数据库 | 第27-28页 |
| 2.4.4 GT人脸数据库 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 一种基于稀疏表示的分组人脸识别方法 | 第30-40页 |
| 3.1 前言 | 第30页 |
| 3.2 算法描述 | 第30-34页 |
| 3.3 分组识别方法的分析 | 第34-35页 |
| 3.4 实验结果 | 第35-39页 |
| 3.4.1 在ORL数据库中的实验 | 第36-37页 |
| 3.4.2 在AR数据库中的实验 | 第37页 |
| 3.4.3 在GT数据库中的实验 | 第37-38页 |
| 3.4.4 在cenparmi数据库中的实验 | 第38页 |
| 3.4.5 结果分析 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 一种基于虚拟样本的两阶段分组人脸识别算法 | 第40-48页 |
| 4.1 前言 | 第40页 |
| 4.2 两阶段算法描述 | 第40-43页 |
| 4.2.1 随机加噪训练样本 | 第40-41页 |
| 4.2.2 对称法构造虚拟样本 | 第41页 |
| 4.2.3 梯度直方图特征 | 第41-43页 |
| 4.2.4 第二阶段算法描述 | 第43页 |
| 4.3 两阶段识别方法的分析 | 第43-44页 |
| 4.4 实验结果 | 第44-46页 |
| 4.5 实验结果分析 | 第46页 |
| 4.6 本章小结 | 第46-48页 |
| 第5章 人脸识别系统应用 | 第48-52页 |
| 5.1 前言 | 第48页 |
| 5.2 系统开发环境 | 第48页 |
| 5.3 系统功能分析 | 第48-51页 |
| 5.3.1 系统识别步骤 | 第49-51页 |
| 5.3.2 实际使用演示 | 第51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录A 发表论文和参加科研情况说明 | 第59页 |
