首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于主成分分析算法与多核支持向量机人脸识别方法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-18页
    1.1 研究背景及意义第10-11页
    1.2 国内外研究现状第11-12页
    1.3 人脸识别系统的原理及应用第12-13页
    1.4 多核支持向量机在人脸识别领域的发展第13-14页
    1.5 本文所用人脸图像库第14-16页
        1.5.1 ORL人脸图像库第14-15页
        1.5.2 YALE人脸图像库第15-16页
        1.5.3 AR人脸图像库第16页
    1.6 论文的主要研究内容第16-18页
第2章 人脸图像轮廓检测及预处理第18-31页
    2.1 基于Haar-like特征人脸图像检测第18-19页
    2.2 基于ASM脸部轮廓特征检测第19-25页
        2.2.1 标注人脸图像第20页
        2.2.2 人脸模型对齐第20-21页
        2.2.3 局部纹理模型建模第21-22页
        2.2.4 模型坐标定位及更新第22-25页
    2.3 人脸图像预处理第25-30页
        2.3.1 人脸图像灰度化第25-26页
        2.3.2 人脸图像去噪第26-27页
        2.3.3 人脸图像矫正第27-28页
        2.3.4 人脸图像归一化第28-30页
    2.4 本章小结第30-31页
第3章 人脸图像特征提取对比及改进第31-45页
    3.1 基于LBP特征提取第31-32页
    3.2 基于PCA特征提取第32-34页
    3.3 测试及分析第34-41页
        3.3.1 SVM人脸识别方法介绍第34-38页
        3.3.2 基于人脸图像库的PCA和LBP算法性能测试第38-39页
        3.3.3 基于PCA特征维数人脸图像识别率测试第39-41页
    3.4 基于PCA与ASM特征融合方法研究及测试第41-44页
    3.5 本章小结第44-45页
第4章 多核SVM的识别方法研究第45-53页
    4.1 多核SVM学习方法介绍第45-49页
    4.2 测试及分析第49-52页
        4.2.1 多核函数的SVM研究及组合测试第49-50页
        4.2.2 多核SVM的权值测试第50-52页
    4.3 本章小结第52-53页
结论第53-54页
参考文献第54-58页
攻读硕士学位期间所发表的学术论文第58-59页
致谢第59页

论文共59页,点击 下载论文
上一篇:基于Kinect医学肢体定位方法研究
下一篇:基于视觉传感的步态检测系统