复杂条件下的人脸识别算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题背景及研究现状 | 第7-11页 |
| ·课题背景与意义 | 第7-8页 |
| ·人脸识别技术的发展历程 | 第8-10页 |
| ·人脸识别算法的评价标准 | 第10-11页 |
| ·人脸识别关键技术描述 | 第11-13页 |
| ·本文的工作和创新点 | 第13-14页 |
| ·主要研究内容简介 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第二章 常用的光照处理方法 | 第15-19页 |
| ·直方图均衡化 | 第16-17页 |
| ·伽马矫正 | 第17页 |
| ·对数变换 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 典型的局部特征提取算法 | 第19-29页 |
| ·基于MPCA的特征提取方法 | 第19-23页 |
| ·K-L 变换原理 | 第19-20页 |
| ·PCA 基础 | 第20-22页 |
| ·MPCA 算法 | 第22-23页 |
| ·基于LBP的特征提取方法 | 第23-26页 |
| ·基于Gabor的特征提取方法 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于HOG的局部特征提取算法 | 第29-39页 |
| ·图像梯度 | 第29-31页 |
| ·HOG算法 | 第31-33页 |
| ·实验与分析 | 第33-37页 |
| ·HOG 相关参数分析 | 第33-36页 |
| ·对比实验 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第五章 模糊决策的多尺度HOG算法 | 第39-51页 |
| ·引言 | 第39-40页 |
| ·多尺度小波分解 | 第40-43页 |
| ·小波变换基础 | 第40-41页 |
| ·多分辨率特性 | 第41-42页 |
| ·基于多尺度分解的 MHOG 算法 | 第42-43页 |
| ·验证实验 | 第43页 |
| ·决策融合 | 第43-47页 |
| ·模糊理论基础 | 第44页 |
| ·多分类器融合 | 第44-46页 |
| ·模糊决策应用于 MHOG | 第46页 |
| ·验证试验 | 第46-47页 |
| ·模糊决策的多尺度HOG算法描述 | 第47-48页 |
| ·实验结果与分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 主要结论与展望 | 第51-53页 |
| 主要结论 | 第51页 |
| 展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第59页 |
