基于自然图片的人脸检测识别系统的实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·研究的目的和意义 | 第8-9页 |
| ·国内外人脸识别方法及比较研究 | 第9-10页 |
| ·本文主要研究内容及安排 | 第10-12页 |
| 2 数字视频图像处理 | 第12-31页 |
| ·视频图像的基本概念 | 第12-14页 |
| ·数字图像 | 第12-14页 |
| ·视频 | 第14页 |
| ·颜色空间 | 第14-15页 |
| ·彩色图像 | 第14-15页 |
| ·图像的灰度化 | 第15页 |
| ·图像预处理 | 第15-18页 |
| ·图像平滑 | 第16页 |
| ·中值滤波 | 第16-18页 |
| ·图像分割 | 第18-22页 |
| ·图像分割技术 | 第18-19页 |
| ·区域分割 | 第19-20页 |
| ·基于边缘提取的分割法 | 第20-22页 |
| ·区域生长 | 第22页 |
| ·数学形态学算法 | 第22-27页 |
| ·基本定义 | 第23页 |
| ·二值形态学的基本运算 | 第23-27页 |
| ·连通性分析 | 第27-29页 |
| ·连通性相关定义 | 第27-28页 |
| ·连通分量标记 | 第28-29页 |
| ·图像填充 | 第29-31页 |
| 3 Boosting和AdsBoost方法概述 | 第31-43页 |
| ·引言 | 第31-32页 |
| ·Boost方法概述 | 第31-32页 |
| ·PAC学习模型 | 第32-35页 |
| ·数学描述 | 第32-33页 |
| ·弱学习与强学习 | 第33页 |
| ·Boosting方法 | 第33-35页 |
| ·基于AdaBoost算法的人脸检测 | 第35-40页 |
| ·Haar-Iike特征和特征值的计算 | 第35-40页 |
| ·AdaBoost算法的改进 | 第40-43页 |
| ·AdaBoost算法的不足 | 第40-41页 |
| ·改进的AdaBoost算法 | 第41-43页 |
| 4 奇异值分析(PCA)的人脸识别 | 第43-52页 |
| ·K-L变换的基本原理 | 第43-44页 |
| ·最近邻分类器 | 第44-45页 |
| ·基于 PCA的人脸识别 | 第45-48页 |
| ·特征脸空间的构造 | 第46-47页 |
| ·训练样本的特征提取 | 第47-48页 |
| ·基于2DPCA的人脸识别 | 第48-52页 |
| ·2DPCA的基本思想 | 第49页 |
| ·基于2DPCA的人脸特征提取 | 第49-50页 |
| ·32DPCA分类器 | 第50-51页 |
| ·基于2DPCA的图像重构 | 第51-52页 |
| 5. 本系统的实现 | 第52-58页 |
| ·背景检测与去除 | 第52-53页 |
| ·系统的实现 | 第53-57页 |
| ·实现中的一些其他的细节 | 第57-58页 |
| ·对于图片的增强 | 第57-58页 |
| 6. 总结与展望 | 第58-60页 |
| ·本文总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-66页 |
