直接基于二维图像的人脸识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·课题的来源 | 第8页 |
| ·本课题研究的目的及意义 | 第8-9页 |
| ·国内外人脸识别技术发展现状 | 第9-14页 |
| ·人脸识别的常用算法 | 第10-13页 |
| ·人脸识别研究难点 | 第13页 |
| ·人脸识别步骤 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| 第2章 基于图像矩阵的主成分特征抽取 | 第15-28页 |
| ·引言 | 第15页 |
| ·K-L 变换及主成分分析 | 第15-17页 |
| ·基于图像矩阵的主成分分析法 | 第17-22页 |
| ·原始2DPCA 算法 | 第17-19页 |
| ·分析2DPCA 算法的本质 | 第19-20页 |
| ·修改的2DPCA：L-2DPCA | 第20-21页 |
| ·LR-2DPCA | 第21-22页 |
| ·分类器设计 | 第22页 |
| ·人脸图像的列向量作为单独样本算法 | 第22-24页 |
| ·基于ORL 人脸库的实验 | 第24-27页 |
| ·本章小节 | 第27-28页 |
| 第3章 基于图像矩阵的线性鉴别分析 | 第28-42页 |
| ·引言 | 第28页 |
| ·线性鉴别分析 | 第28-34页 |
| ·线性鉴别分析的基本原理 | 第29-30页 |
| ·Fisher 线性鉴别法和F-S 线性鉴别法 | 第30-32页 |
| ·具有统计不相关性的线性鉴别分析 | 第32-34页 |
| ·直接基于图像矩阵的2DLDA | 第34-36页 |
| ·主要思想和最优特征提取矩阵 | 第34-35页 |
| ·特征提取 | 第35页 |
| ·分类 | 第35-36页 |
| ·L-DLDA 和LR-2DLDA 算法 | 第36-37页 |
| ·L-DLDA 算法 | 第36-37页 |
| ·LR-2DLDA 算法 | 第37页 |
| ·实验分析 | 第37-41页 |
| ·ORL 人脸数据库 | 第37-38页 |
| ·在ORL 人脸库上的实验 | 第38-39页 |
| ·AR 人脸数据库 | 第39页 |
| ·在AR 人脸库上的实验 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 直接基于人脸图像的人脸识别 | 第42-50页 |
| ·引言 | 第42页 |
| ·直接基于人脸图像的人脸识别算法的提出和实现 | 第42-47页 |
| ·分类器简介 | 第42-43页 |
| ·相异测度 | 第43-44页 |
| ·实验过程简介 | 第44-45页 |
| ·影响实验结果的因素分析 | 第45-46页 |
| ·人脸识别算法好坏评价标准及本算法的优点 | 第46-47页 |
| ·改进的直接基于人脸图像的人脸识别算法 | 第47-49页 |
| ·原训练样本中心化 | 第47-48页 |
| ·对原始图像进行加权 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |
