人脸检测中相关特征的研究
| 摘要 | 第1-6页 |
| ABSTRACT（英文摘要） | 第6-9页 |
| 主要符号对照表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| ·人脸检测问题的背景 | 第10-11页 |
| ·模式识别中的特征提取 | 第11-12页 |
| ·相关特征选择 | 第12页 |
| ·本文的主要工作 | 第12-14页 |
| ·内容安排 | 第14-16页 |
| 第二章 人脸检测问题 | 第16-24页 |
| ·人脸检测方法的分类 | 第16-21页 |
| ·基于知识的检测方法 | 第16-17页 |
| ·基于特征的检测方法 | 第17-18页 |
| ·基于模板匹配的检测方法 | 第18-19页 |
| ·基于外观的分类方法 | 第19-21页 |
| ·现有特征提取方法的不足 | 第21-22页 |
| ·用自适应函数基底提取特征 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 傅立叶变换与小波变换 | 第24-29页 |
| ·傅立叶变换 | 第24页 |
| ·二维离散傅立叶变换提取人脸特征 | 第24-25页 |
| ·小波变换基础 | 第25-27页 |
| ·二维离散小波变换提取人脸特征 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第四章 独立分量分析 | 第29-42页 |
| ·独立分量分析(ICA)模型的定义 | 第29-30页 |
| ·信号的预处理 | 第30-31页 |
| ·信息最大化算法 | 第31-35页 |
| ·负熵最大化算法 | 第35-36页 |
| ·极大似然估计算法 | 第36-37页 |
| ·自适应ICA算法 | 第37-39页 |
| ·基于统计独立特征的人脸表示 | 第39-40页 |
| ·基于统计独立编码的人脸表示 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第五章 超完备基底下的稀疏编码 | 第42-50页 |
| ·超完备表示与稀疏编码的背景 | 第42-43页 |
| ·稀疏编码的模型 | 第43-45页 |
| ·稀疏编码的学习算法 | 第45-46页 |
| ·稀疏编码的学习算法的改进 | 第46-49页 |
| ·人脸图像的稀疏编码表示 | 第49页 |
| ·小结 | 第49-50页 |
| 第六章 基于互信息的相关特征选择 | 第50-53页 |
| ·相关特征选择 | 第50页 |
| ·熵和互信息 | 第50-51页 |
| ·基于互信息最大化的特征选择算法 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第七章 支持向量机 | 第53-57页 |
| ·支持向量机基本原理 | 第53-55页 |
| ·惩罚参数不对称支持向量机 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第八章 实验结果与分析 | 第57-66页 |
| ·人脸与非人脸的图片数据库 | 第57-58页 |
| ·ICA基底与超完备基底 | 第58-59页 |
| ·用互信息最大原则选择最优特征向量 | 第59-61页 |
| ·用支持向量机分类 | 第61-63页 |
| ·用级联SVM分类器检测人脸 | 第63-65页 |
| ·小结 | 第65-66页 |
| 第九章 总结 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第73页 |
