基于静态灰度图像人脸识别算法的研究
| 前言 | 第1-11页 |
| 第一章 人脸识别技术的发展 | 第11-14页 |
| 1．1 发展历史 | 第11页 |
| 1．2 人脸识别研究现状 | 第11-13页 |
| 1．3 其他方法 | 第13-14页 |
| 第二章 人脸图像的预处理 | 第14-22页 |
| 2．1 图像格式 | 第14-15页 |
| 2．2 人脸数据库 | 第15页 |
| 2．3 锐化 | 第15-16页 |
| 2．4 二值化处理 | 第16-19页 |
| 2．4．1 二值化的数学表示 | 第17页 |
| 2．4．2 直方图 | 第17-18页 |
| 2．4．3 二值化阈值的确定 | 第18-19页 |
| 2．5 人脸图像噪声的去除 | 第19-22页 |
| 2．5．1 梯度倒数加权平滑法 | 第19-20页 |
| 2．5．2 中值滤波 | 第20-22页 |
| 第三章 人脸器官的定位 | 第22-30页 |
| 3．1 人脸左右两端边界的确定 | 第22-23页 |
| 3．2 数学形态学理论 | 第23-24页 |
| 3．2．1 腐蚀、膨胀 | 第24页 |
| 3．2．2 开和闭 | 第24页 |
| 3．3 人脸器官的细致定位 | 第24-30页 |
| 3．3．1 人脸的水平积分投影 | 第25-26页 |
| 3．3．2 嘴中心点的确定 | 第26-27页 |
| 3．3．3 人脸中轴线的求取 | 第27-28页 |
| 3．3．4 人脸椭圆结构定位 | 第28页 |
| 3．3．5 瞳孔的精确定位 | 第28-30页 |
| 第四章 特征的提取 | 第30-44页 |
| 4．1 图像的几何规范化 | 第31-32页 |
| 4．2 图像的灰度规范化 | 第32-33页 |
| 4．3 基于PCA的人脸特征提取 | 第33-44页 |
| 4．3．1 主元分析神经网络 | 第35-37页 |
| 4．3．2 K_L变换的数学理论 | 第37-39页 |
| 4．3．3 特征脸Eigenface | 第39-40页 |
| 4．3．4 主元个数的选取 | 第40-41页 |
| 4．3．5 特征脸程序的实现 | 第41-44页 |
| 第五章 样本数据库的建立 | 第44-47页 |
| 5．1 样本库的建立方法与流程 | 第44-45页 |
| 5．2 样本库的数据结构 | 第45页 |
| 5．3 样本库的管理 | 第45-47页 |
| 第六章 人脸识别 | 第47-49页 |
| 6．1 距离 | 第47-48页 |
| 6．2 类似度 | 第48-49页 |
| 第七章 识别结果与分析 | 第49-50页 |
| 7．1 识别结果 | 第49页 |
| 7．2 识别错误情况分析 | 第49-50页 |
| 结束语 | 第50-51页 |
| 参考文献 | 第51-54页 |
