基于子空间的人脸识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| ·课题研究背景与研究意义 | 第12-14页 |
| ·生物特征识别 | 第12-13页 |
| ·人脸识别优势与难点 | 第13-14页 |
| ·人脸识别的应用 | 第14页 |
| ·人脸识别研究及发展现状 | 第14-17页 |
| ·人脸识别技术发展过程 | 第14-16页 |
| ·国内外研究与应用现状 | 第16-17页 |
| ·本文的研究工作 | 第17-18页 |
| ·本文章节安排 | 第18-19页 |
| 第2章 基于子空间的人脸识别算法 | 第19-34页 |
| ·引言 | 第19页 |
| ·人脸识别系统与预处理技术 | 第19-22页 |
| ·人脸识别系统与评价手段 | 第19-21页 |
| ·人脸图像预处理技术 | 第21-22页 |
| ·子空间分析技术 | 第22-32页 |
| ·主元分析算法 | 第23-27页 |
| ·线性辨别分析算法 | 第27-29页 |
| ·独立主元分析算法 | 第29-30页 |
| ·非线性子空间分析算法 | 第30-32页 |
| ·分类器的设计 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第3章 结合图像融合的子空间算法 | 第34-49页 |
| ·小波变换技术 | 第34-39页 |
| ·二维连续小波变换技术 | 第35-36页 |
| ·离散小波变换技术 | 第36-38页 |
| ·小波变换在人脸识别中应用分析 | 第38-39页 |
| ·图像融合技术 | 第39-40页 |
| ·结合图像融合的PCA与NMF相融合人脸识别 | 第40-44页 |
| ·小波变换处理图像 | 第40页 |
| ·高频子图图像的融合 | 第40-41页 |
| ·特征抽取 | 第41-43页 |
| ·分类器的设计及加权融合 | 第43-44页 |
| ·实验数据库及仿真 | 第44-47页 |
| ·ORL人脸库 | 第44页 |
| ·实验及仿真 | 第44-47页 |
| ·小结 | 第47-49页 |
| 第4章 结合图像金字塔的子空间算法 | 第49-63页 |
| ·多尺度分解与图像金字塔 | 第49-52页 |
| ·图像的高斯金字塔分解 | 第50-51页 |
| ·图像的拉普拉斯金字塔分解 | 第51-52页 |
| ·原图像的重构 | 第52页 |
| ·结合图像金字塔的主元人脸识别算法 | 第52-58页 |
| ·图像的拉普拉斯金字塔分解 | 第53-54页 |
| ·基于图像金字塔分解的主元识别 | 第54-55页 |
| ·基于图像金字塔分解的二维主元识别 | 第55-57页 |
| ·分类方法及加权融合 | 第57-58页 |
| ·实验及仿真 | 第58-61页 |
| ·小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录A 攻读学位期间发表的论文 | 第70-71页 |
| 附录B 攻读学位期间参与的科研项目 | 第71-72页 |
| 致谢 | 第72页 |
