线性判别分析子空间方法人脸识别研究
| 目录 | 第4-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文背景 | 第10-12页 |
| 1.2 人脸识别应用分类 | 第12-13页 |
| 1.3 人脸识别技术的发展史 | 第13-14页 |
| 1.4 本文的主要工作 | 第14-15页 |
| 1.5 本文各章内容安排 | 第15-16页 |
| 第二章 自动人脸识别技术综述 | 第16-26页 |
| 2.1 自动人脸识别系统 | 第16页 |
| 2.2 人脸检测与定位 | 第16-18页 |
| 2.2.1 模板匹配方法 | 第16-17页 |
| 2.2.2 基于规则的特征搜索方法 | 第17-18页 |
| 2.2.3 人工神经网络方法和其他统计方法 | 第18页 |
| 2.3 人脸识别中的图像预处理 | 第18-19页 |
| 2.4 特征提取 | 第19-22页 |
| 2.4.1 直观几何特征 | 第19-21页 |
| 2.4.2 代数特征 | 第21-22页 |
| 2.5 识别方法 | 第22-24页 |
| 2.5.1 统计方法 | 第22页 |
| 2.5.2 神经网络方法 | 第22-23页 |
| 2.5.3 多分类器组合方法 | 第23-24页 |
| 2.6 人脸库 | 第24-26页 |
| 2.6.1 FERET人脸数据库 | 第24页 |
| 2.6.2 ORL人脸数据库 | 第24页 |
| 2.6.3 AR人脸数据库 | 第24-25页 |
| 2.6.4 UMIST人脸数据库 | 第25-26页 |
| 第三章 人脸识别中的子空间方法 | 第26-37页 |
| 3.1 线性子空间分析 | 第26-32页 |
| 3.1.1 主元分析 | 第26-28页 |
| 3.1.2 线性判别分析 | 第28-29页 |
| 3.1.3 独立主元分析 | 第29-31页 |
| 3.1.4 非负矩阵因子 | 第31-32页 |
| 3.2 基于核的非线性子空间分析 | 第32-34页 |
| 3.2.1 核主元分析 | 第32-33页 |
| 3.2.2 核Fisher判别分析 | 第33-34页 |
| 3.3 子空间方法中常用的距离度量和分类器 | 第34-36页 |
| 3.3.1 距离度量 | 第34-35页 |
| 3.3.2 分类器 | 第35-36页 |
| 3.4 总结 | 第36-37页 |
| 第四章 加权零空间法 | 第37-48页 |
| 4.1 主元分析和线性判别分析的比较 | 第37-38页 |
| 4.2 基于LDA的人脸识别算法回顾 | 第38-41页 |
| 4.3 加权零空间方法 | 第41-45页 |
| 4.3.1 对Fisher准则函数的改进 | 第41-44页 |
| 4.3.2 加权零空间法算法描述 | 第44-45页 |
| 4.4 仿真实验及结果分析 | 第45-47页 |
| 4.5 结论 | 第47-48页 |
| 第五章 结合PCA和F-LDA的人脸识别方法 | 第48-57页 |
| 5.1 Fisher线性判别分析中存在的问题 | 第48-49页 |
| 5.2 F-LDA理论介绍 | 第49-51页 |
| 5.3 一种基于F-LDA的新的人脸识别方法 | 第51-53页 |
| 5.4 仿真实验以及结果 | 第53-56页 |
| 5.5 总结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 学位论文评阅及答辩情况表 | 第67页 |
