基于PCA-SIFT算法的人脸识别技术的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究的背景及意义 | 第9-10页 |
| ·研究历史和现状综述 | 第10-15页 |
| ·人脸识别研究的发展历史和现状 | 第10-12页 |
| ·国内外人脸数据库 | 第12-13页 |
| ·国内外人脸识别系统 | 第13-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 相关研究理论 | 第17-31页 |
| ·人脸检测 | 第18-22页 |
| ·弹性模板方法 | 第18-19页 |
| ·线性子空间方法 | 第19-20页 |
| ·人工神经网络方法 | 第20页 |
| ·支持向量机(SVM)的方法 | 第20-21页 |
| ·AdaBoost方法 | 第21-22页 |
| ·特征提取和特征选择 | 第22-29页 |
| ·基于几何特征的方法 | 第23-24页 |
| ·基于主成分分析(PCA)的方法 | 第24-27页 |
| ·Fisherfaces方法 | 第27页 |
| ·基于核的表示方法 | 第27-29页 |
| ·基于尺度旋转不变特征的方法 | 第29页 |
| ·匹配与相似性度量 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于SIFT特征的人脸识别 | 第31-41页 |
| ·尺度空间的构建 | 第31-34页 |
| ·SIFT特征点的提取 | 第34-38页 |
| ·尺度空间极值点检测 | 第34-35页 |
| ·精确定位特征点 | 第35-36页 |
| ·特征点方向分配 | 第36-37页 |
| ·生成SIFT特征点描述子 | 第37-38页 |
| ·特征点的匹配 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 优化算法的设计 | 第41-48页 |
| ·PCA-SIFT算法的实现 | 第41-43页 |
| ·优化的特征匹配方法 | 第43-47页 |
| ·RANSAC算法 | 第43-44页 |
| ·匹配算法的实现 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-56页 |
| ·本设计算法的实验结果 | 第48-54页 |
| ·实验结果比较与分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 结论与展望 | 第56-58页 |
| ·全文总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第64页 |
