基于SURF的人脸识别与研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.1.1 研究的背景 | 第11-12页 |
| 1.1.2 研究的意义 | 第12-13页 |
| 1.2 国内外的研究现状及发展 | 第13-14页 |
| 1.2.1 国外的研究现状及发展 | 第13-14页 |
| 1.2.2 国内的研究现状及发展 | 第14页 |
| 1.3 本文的内容安排 | 第14-17页 |
| 第2章 人脸图像的预处理 | 第17-30页 |
| 2.1 人脸图像灰度处理 | 第17-22页 |
| 2.1.1 直方图均衡化 | 第18-20页 |
| 2.1.2 光照补偿 | 第20-22页 |
| 2.2 图像的滤波去噪 | 第22-25页 |
| 2.2.1 频率域滤波 | 第22-23页 |
| 2.2.2 空间域滤波 | 第23-25页 |
| 2.3 图像的归一化 | 第25-29页 |
| 2.3.1 缩放归一化 | 第26-27页 |
| 2.3.2 旋转归一化 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于SURF的人脸特征提取与检测 | 第30-49页 |
| 3.1 SURF算法 | 第31-39页 |
| 3.1.1 特征点的检测与提取 | 第31-38页 |
| 3.1.2 特征点的描述 | 第38页 |
| 3.1.3 特征匹配 | 第38-39页 |
| 3.2 改进的SURF算法 | 第39-43页 |
| 3.2.1 LTP特征描述算法 | 第40-42页 |
| 3.2.2 改进的特征点的描述 | 第42-43页 |
| 3.3 实验结果与分析 | 第43-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 人脸的特征分类与识别 | 第49-62页 |
| 4.1 人脸分类算法 | 第49-51页 |
| 4.1.1 最近邻分类法 | 第50-51页 |
| 4.1.2 AdaBoost分类法 | 第51页 |
| 4.2 欧式距离法 | 第51-52页 |
| 4.3 支持向量机 | 第52-55页 |
| 4.3.1 线性可分支持向量机 | 第52-54页 |
| 4.3.2 非线性支持向量 | 第54-55页 |
| 4.3.3 核函数分类 | 第55页 |
| 4.4 欧氏距离与支持向量机的两级分类器的设计 | 第55-58页 |
| 4.5 实验结果及分析 | 第58-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-65页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
