基于子空间方法的人脸识别技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·人脸识别的发展历程 | 第11页 |
| ·人脸识别的主要研究内容 | 第11-12页 |
| ·人脸识别方法概述 | 第12-16页 |
| ·论文内容安排 | 第16-18页 |
| 第2章 基于线性子空间方法的人脸识别 | 第18-33页 |
| ·引言 | 第18页 |
| ·基于主成分分析的人脸识别方法 | 第18-21页 |
| ·主成分分析方法的算法原理 | 第19-20页 |
| ·基于主成分分析方法的人脸识别实现 | 第20页 |
| ·基于主成分分析的人脸识别算法的优缺点 | 第20-21页 |
| ·基于线性判别分析的人脸识别方法 | 第21-24页 |
| ·线性判决分析的算法原理 | 第21-23页 |
| ·Fisherface人脸识别方法的实现 | 第23页 |
| ·基于线性判决方法的优缺点 | 第23-24页 |
| ·基于独立分量分析的人脸识别方法 | 第24-31页 |
| ·独立分量分析的算法原理 | 第24-29页 |
| ·基于独立分量分析的人脸识别实现 | 第29-30页 |
| ·基于独立分量分析的人脸识别算法的优缺点 | 第30-31页 |
| ·人脸库介绍及算法仿真 | 第31-32页 |
| ·人脸库 | 第31页 |
| ·三种子空间方法的实验仿真 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于二维主成分分析的人脸识别方法 | 第33-52页 |
| ·引言 | 第33页 |
| ·基于2DPCA的人脸识别方法 | 第33-38页 |
| ·二维主成分分析的算法原理 | 第33-35页 |
| ·二维主成分分析算法的人脸识别实现 | 第35-36页 |
| ·二维主成分分析算法的优缺点 | 第36页 |
| ·根据单投影向量加权的2DPCA方法 | 第36-37页 |
| ·加权函数与加权步骤 | 第37-38页 |
| ·DCT域的2DPCA算法 | 第38-46页 |
| ·离散余弦变换的原理 | 第38-40页 |
| ·DCT的特性及JPEG压缩 | 第40-41页 |
| ·2DPCA算法可以用于DCT域的证明 | 第41-43页 |
| ·DCT+2DPCA算法流程 | 第43-44页 |
| ·分块DCT对2DPCA算法识别性能的影响 | 第44-46页 |
| ·算法仿真及分析 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 核方法在人脸识别中的应用 | 第52-62页 |
| ·引言 | 第52页 |
| ·核函数方法在特征抽取中的应用 | 第52-55页 |
| ·核函数的基本原理 | 第53-54页 |
| ·几种典型的核函数 | 第54-55页 |
| ·核函数的主要特点 | 第55页 |
| ·基于核函数的二维线性判别分析的人脸识别方法 | 第55-59页 |
| ·2DLDA初次特征抽取 | 第55-56页 |
| ·KPCA二次特征抽取 | 第56-57页 |
| ·基于核方法的二维线性判决分析的算法原理 | 第57-58页 |
| ·算法的具体步骤 | 第58-59页 |
| ·算法仿真及分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-69页 |
| 致谢 | 第69页 |
