非迭代三维线性判别分析及其在人脸识别中的应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 第一节 研究背景 | 第8-9页 |
| 第二节 特征提取技术 | 第9-11页 |
| 一、基于面部几何特征的方法 | 第9-10页 |
| 二、基于子空间分析的方法 | 第10-11页 |
| 第三节 研究思路与结构安排 | 第11-12页 |
| 一、研究思路 | 第11页 |
| 二、结构安排 | 第11-12页 |
| 第二章 特征提取的经典算法 | 第12-19页 |
| 第一节 研究背景 | 第12页 |
| 第二节 线性判别分析算法 | 第12-15页 |
| 一、线性判别分析（LDA） | 第12-13页 |
| 二、单边二维线性判别分析（2DLDA） | 第13-14页 |
| 三、双边二维线性判别分析（(2D)2LDA） | 第14-15页 |
| 第三节 主成分分析算法 | 第15-17页 |
| 一、主成分分析（PCA） | 第15-16页 |
| 二、单边二维主成分分析（2DPCA） | 第16页 |
| 三、双边二维主成分分析（(2D)2PCA） | 第16-17页 |
| 第四节 本章小结 | 第17-19页 |
| 第三章 三维线性判别分析 | 第19-25页 |
| 第一节 三维线性判别分析提出背景 | 第19页 |
| 第二节 基于张量形式的特征提取形式 | 第19-23页 |
| 一、不同数据表示方式的特征提取形式 | 第19-22页 |
| 二、张量展开 | 第22-23页 |
| 第三节 三维线性判别分析（3DLDA） | 第23-25页 |
| 第四章 3DLDA在人脸识别中的应用 | 第25-51页 |
| 第一节 实验数据的获取 | 第25-29页 |
| 一、数据库 | 第25-27页 |
| 二、二维Gabor特征提取 | 第27-28页 |
| 三、实验数据 | 第28-29页 |
| 第二节 3DLDA实验过程及结果 | 第29-44页 |
| 一、ORL人脸数据库上的实验 | 第29-33页 |
| 二、Yale人脸数据库上的实验 | 第33-36页 |
| 三、PIE人脸数据库上的实验 | 第36-39页 |
| 四、FERET人脸数据库上的实验 | 第39-42页 |
| 五、USPS美国邮政服务手写数字识别库上的实验 | 第42-44页 |
| 第三节 3DLDA+LDA实验结果比较 | 第44-50页 |
| 一、ORL人脸数据库上的实验 | 第45-46页 |
| 二、Yale人脸数据库上的实验 | 第46-47页 |
| 三、PIE人脸数据库上的实验 | 第47-48页 |
| 四、FERET人脸数据库上的实验 | 第48-49页 |
| 五、USPS美国邮政服务手写数字识别库上的实验 | 第49-50页 |
| 第四节 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 第一节 总结 | 第51页 |
| 第二节 未来展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 在读期间完成的研究成果 | 第58页 |
