基于子空间的人脸识别方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-21页 |
| ·引言 | 第13页 |
| ·课题研究背景及意义 | 第13-14页 |
| ·人脸识别的发展及研究现状 | 第14-17页 |
| ·人脸识别的主要内容 | 第14-15页 |
| ·人脸识别的发展 | 第15页 |
| ·人脸识别研究现状 | 第15-17页 |
| ·人脸识别的性能评价 | 第17-19页 |
| ·本文的贡献及内容组织 | 第19-21页 |
| ·本文的贡献 | 第19页 |
| ·本文的内容组织 | 第19-21页 |
| 第二章 线性子空间方法介绍及分类准则 | 第21-31页 |
| ·线性子空间方法 | 第21-22页 |
| ·线性判别函数基本概念 | 第22-23页 |
| ·线性分类器的设计步骤 | 第23页 |
| ·K-L变换原理 | 第23-25页 |
| ·Fisher线性判别 | 第25-28页 |
| ·分类准则 | 第28-31页 |
| 第三章 主成分分析的人脸识别方法 | 第31-45页 |
| ·人脸图像预处理 | 第31-34页 |
| ·图像的积分投影 | 第32页 |
| ·实验结果 | 第32-34页 |
| ·主成分分析(PCA)的人脸识别 | 第34-40页 |
| ·主成分分析原理步骤 | 第34-35页 |
| ·实验结果及分析 | 第35-40页 |
| ·对称主成分分析(SPCA)的人脸识别 | 第40-43页 |
| ·奇偶对称分解原理 | 第40-41页 |
| ·SPCA算法流程步骤 | 第41页 |
| ·实验结果与分析 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 Fisherface人脸识别方法 | 第45-61页 |
| ·镜像对称的Fisherface算法 | 第45-51页 |
| ·Fisherface算法 | 第45-46页 |
| ·SLDA算法 | 第46-47页 |
| ·实验结果及分析 | 第47-51页 |
| ·矩阵对称性的Fisherface算法 | 第51-55页 |
| ·算法改进原理 | 第51-52页 |
| ·改进的算法步骤 | 第52页 |
| ·实验结果及分析 | 第52-55页 |
| ·边缘值替换的Fisherface算法 | 第55-59页 |
| ·类间离散度矩阵 | 第55-56页 |
| ·自适应加权的Fisherface算法分析 | 第56-57页 |
| ·改进算法步骤 | 第57-58页 |
| ·实验结果及分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 直接LDA人脸识别方法 | 第61-69页 |
| ·加权值修正的类间散布度矩阵 | 第61-62页 |
| ·类内零空间投影算法 | 第62-65页 |
| ·类内零空间投影算法步骤 | 第62-63页 |
| ·实验结果及分析 | 第63-65页 |
| ·类间非零空间投影算法 | 第65-67页 |
| ·类间非零空间投影算法步骤 | 第66页 |
| ·实验结果及分析 | 第66-67页 |
| ·加权对识别率的影响 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结及展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 研究成果及发表的学术论文 | 第77-78页 |
| 作者及导师简介 | 第78-79页 |
| 附录 | 第79-80页 |
