基于DSP的人脸识别系统研究
| 1 绪论 | 第1-15页 |
| 1．1 人脸识别概述 | 第7-11页 |
| 1．1．1 人脸识别研究内容 | 第7-8页 |
| 1．1．2 人脸识别发展与方法 | 第8-9页 |
| 1．1．3 人脸自动识别系统组成 | 第9-11页 |
| 1．2 课题研究背景及概述 | 第11-12页 |
| 1．2．1 课题研究背景及意义 | 第11页 |
| 1．2．2 课题研究概述 | 第11-12页 |
| 1．3 课题研究主要难点和思路安排 | 第12-15页 |
| 1．3．1 本文研究需要解决的主要难点 | 第12-13页 |
| 1．3．2 本文研究思路与内容安排 | 第13-15页 |
| 2 人脸图像的前期处理 | 第15-29页 |
| 2．1 人脸图像的获取 | 第15-16页 |
| 2．2 图像灰度拉伸和直方图均衡 | 第16-18页 |
| 2．3 人脸图像的边缘检测 | 第18-20页 |
| 2．4 人脸图像的二值化 | 第20-22页 |
| 2．5 人脸图像的平滑去噪 | 第22-23页 |
| 2．6 人眼定位 | 第23-27页 |
| 2．6．1 目标聚类分析算法 | 第24-25页 |
| 2．6．2 双眼定位 | 第25-27页 |
| 2．7 截图与图像拉伸 | 第27-29页 |
| 3 基于WK-L的人脸识别 | 第29-43页 |
| 3．1 多分辨分析 | 第30-31页 |
| 3．2 一维 Mallat算法 | 第31-33页 |
| 3．3 二维 Mallat算法 | 第33-35页 |
| 3．4 双正交小波变换 | 第35-36页 |
| 3．5 利用提升方案构造小波 | 第36-40页 |
| 3．5．1 提升方案的基本原理 | 第36-38页 |
| 3．5．2 本文提升方案采用的方法 | 第38-40页 |
| 3．6 K-L变换在本文的应用 | 第40-43页 |
| 3．6．1 人脸图像的 K-L变换 | 第40-41页 |
| 3．6．2 比对识别 | 第41-43页 |
| 4 基于 DSP的人脸识别系统实现 | 第43-49页 |
| 4．1 基于 DSP的人脸识别系统 | 第43-45页 |
| 4．1．1 DSP介绍 | 第43-44页 |
| 4．1．2 本文人脸识别系统结构设计 | 第44-45页 |
| 4．2 本文人脸识别系统的实现 | 第45-48页 |
| 4．2．1 试验与开发环境 | 第45-46页 |
| 4．2．2 系统设计与实现 | 第46-48页 |
| 4．3 系统测试结果与分析 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 附录 | 第55页 |
