基于多模式融合的人脸识别算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景与意义 | 第11-12页 |
| ·人脸识别系统的构成 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·二维人脸识别 | 第13-14页 |
| ·三维人脸识别 | 第14-15页 |
| ·基于融合算法的人脸识别 | 第15-16页 |
| ·研究内容与论文结构安排 | 第16-19页 |
| 第二章 基于Gabor变换的二维人脸识别 | 第19-43页 |
| ·图像预处理 | 第19-25页 |
| ·图像灰度化 | 第19-20页 |
| ·图像滤波处理 | 第20-22页 |
| ·图像几何归一化 | 第22-24页 |
| ·灰度均衡化 | 第24-25页 |
| ·基于Gabor小波的特征提取 | 第25-30页 |
| ·Gabor小波变换 | 第26-28页 |
| ·Gabor人脸特征提取 | 第28-30页 |
| ·基于增强2DPCA的特征降维 | 第30-33页 |
| ·2DPCA算法 | 第30-31页 |
| ·增强2DPCA的提出与应用 | 第31-33页 |
| ·实验结果与分析 | 第33-41页 |
| ·实验环境与流程 | 第33-35页 |
| ·识别率比较 | 第35-39页 |
| ·R-2DPCA算法中参数选择对识别率的影响 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第三章 基于深度图的三维人脸识别 | 第43-67页 |
| ·3D人脸模型数据格式与获取 | 第43-46页 |
| ·三维数据的三种形式 | 第44页 |
| ·3D人脸数据获取 | 第44-46页 |
| ·三维人脸库 | 第46-49页 |
| ·常用数据库 | 第46-47页 |
| ·实验采用数据库介绍 | 第47-49页 |
| ·三维人脸图像预处理 | 第49-55页 |
| ·提取点云信息 | 第50-51页 |
| ·面部提取 | 第51-53页 |
| ·尖点去除与孔洞填补 | 第53-54页 |
| ·生成深度图像 | 第54-55页 |
| ·基于LTP算子的深度图像人脸识别 | 第55-61页 |
| ·改进的LTP算子 | 第55-58页 |
| ·Fisherface算法的实现 | 第58-61页 |
| ·实验结果与分析 | 第61-66页 |
| ·实验环境与流程 | 第61-62页 |
| ·不同LTP算子对识别率的影响 | 第62-64页 |
| ·算法识别率与运行时间比较 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第四章 应用融合理论构建多模式人脸识别系统 | 第67-79页 |
| ·2D图像与3D模型的融合模式 | 第67-70页 |
| ·基于Gabor变换与深度图像的决策层融合 | 第70-75页 |
| ·改进的决策层融合模型 | 第70-73页 |
| ·模型的软件设计 | 第73-75页 |
| ·实验结果与分析 | 第75-78页 |
| ·实验环境与流程 | 第75页 |
| ·多模式人脸识别系统性能测试 | 第75-78页 |
| ·本章小结 | 第78-79页 |
| 第五章 总结与展望 | 第79-81页 |
| ·工作总结 | 第79-80页 |
| ·展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 攻读硕士学位期间发表的论文 | 第87页 |
