基于平均不变因子的人脸识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·人脸识别技术的背景与研究意义 | 第8页 |
| ·人脸识别技术的发展历程 | 第8-9页 |
| ·识别流程与相关算法 | 第9-11页 |
| ·本文的研究内容与意义 | 第11-12页 |
| ·本文组织结构 | 第12-13页 |
| 2 基于代数降维的人脸识别算法 | 第13-27页 |
| ·离散度量矩阵 | 第13-14页 |
| ·主成分分析法(PCA) | 第14-17页 |
| ·特征脸原理 | 第14-15页 |
| ·PCA算法的实现步骤 | 第15-17页 |
| ·PCA算法的优缺点 | 第17页 |
| ·线性判别分析法(LDA) | 第17-21页 |
| ·Fisher准则 | 第17-20页 |
| ·LDA算法的实现步骤 | 第20页 |
| ·LDA算法的优缺点 | 第20-21页 |
| ·本征判别分析法(IDA) | 第21-25页 |
| ·本征判别分析原理 | 第21-24页 |
| ·IDA算法的实现步骤 | 第24页 |
| ·IDA算法的优缺点 | 第24-25页 |
| ·PCA、LDA、IDA的统一框架 | 第25-27页 |
| 3 基于平均不变因子的人脸识别算法 | 第27-30页 |
| ·平均不变因子(AIF)及其相关算法 | 第27-28页 |
| ·两类平均不变因子的证明 | 第28-30页 |
| 4 人脸识别的核方法 | 第30-37页 |
| ·核方法的基本描述 | 第30-34页 |
| ·非线性特征映射与核函数 | 第30-32页 |
| ·核矩阵与核的描述 | 第32-34页 |
| ·核方法用于人脸识别 | 第34页 |
| ·核主成分分析法(KPCA) | 第34-37页 |
| ·KPCA算法的实现 | 第34-35页 |
| ·KPCA算法的优良特性 | 第35-37页 |
| 5 基于平均不变因子的核算法 | 第37-41页 |
| ·核推广的可行性 | 第37-39页 |
| ·AIF_svd算法的核推广 | 第39页 |
| ·AIF_qr算法的核推广 | 第39-41页 |
| 6 AIF算法的数值实验与结果分析 | 第41-46页 |
| ·基于平均不变因子的人脸识别算法性能 | 第42-43页 |
| ·KAIF算法中高斯参数的选取 | 第43-44页 |
| ·基于平凡不变因子核方法的识别性能研究 | 第44-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表学术论文情况 | 第50-51页 |
| 致谢 | 第51-52页 |
